新書推薦：
《
组队：超级个体时代的协作方式
》
售價：NT$
352.0
《
第十三位陪审员
》
售價：NT$
245.0
《
微观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：NT$
709.0
《
Python贝叶斯深度学习
》
售價：NT$
407.0
《
文本的密码：社会语境中的宋代文学
》
售價：NT$
306.0
《
启微·狂骉年代：西洋赛马在中国
》
售價：NT$
357.0
《
有趣的中国古建筑
》
售價：NT$
305.0
《
十一年夏至
》
售價：NT$
347.0
|
| 編輯推薦： |
|
全面介绍了来自统计分析、机器学习、人工智能等领域的多种数据分析算法，在讲解与之相关的 R代码时，还讨论了这些算法的原理、优缺点与适用背景。本书按照由易到难的原则组织章节主题，读者将获得最好的阅读体验。
|
| 內容簡介： |
|
本书是一本优秀的R语言入门读物，旨在帮助读者迅速构建起与数据分析相关的知识体系，并学习如何使用 R软件实现数据分析方法。无论有无编程基础或数学基础，本书都能帮助读者成长为一名合格的数据分析师。 本书全面介绍了来自统计分析、机器学习、人工智能等领域的多种数据分析算法，在讲解与之相关的 R代码时，还讨论了这些算法的原理、优缺点与适用背景。本书按照由易到难的原则组织章节主题，读者将获得最好的阅读体验。 通过阅读本书，读者将对 R语言在数据分析领域的应用有一个全面的认识。这种认识不被特定行业所局限，任何行业的读者都能利用本书介绍的数据分析方法解决本行业的数据分析问题。
|
| 關於作者： |
|
李倩星：毕业于西南大学统计学专业，对数据挖掘、机器学习以及人工智能领域有深刻的研究。主持翻译了《传播学中的大数据：发展与不足》、《大数据、一个新兴领域的误区和方法与概念》、《数据挖掘揭示了差评导致的负反馈怪圈》等数十篇前沿科技文章，并发表于PPV课社区。
|
| 目錄：
|
目.录
第 1章R的基本介绍 …………………………………………………………1
1.1 强大的 R ………………………………………………………………………… 1
1.2 R的安装与启动 ………………………………………………………………… 2
1.2.1 安装并启动 R …………………………………………………………… 3
1.2.2 安装并启动一个 IDE …………………………………………………… 5
1.3 R的向量、矩阵和数组 ………………………………………………………… 6
1.3.1 向量的操作方法和固有属性 …………………………………………… 6
1.3.2 矩阵的操作和运算 ……………………………………………………… 9
1.3.3 数组中的维度函数 ……………………………………………………… 12
1.4 R的列表和数据框 ……………………………………………………………… 14
1.4.1 列表的特性和编辑方法 ………………………………………………… 14
1.4.2 数据框的创建和基本操作 ……………………………………………… 18
1.5 R数据文件的载入和载出 ……………………………………………………… 20
1.5.1 结构化纯文本文件的读取和输出 ……………………………………… 21
1.5.2 其他文件的读取和输出 ………………………………………………… 23
1.6 向 R中安装包 …………………………………………………………………… 25
第 2章原始数据的探索与预处理 ………………………………………… 29
2.1 度量数据集的集中程度 ………………………………………………………… 29
2.2 度量数据集的分散程度 ………………………………………………………… 31
2.2.1 极值、方差和标准差 …………………………………………………… 31
2.2.2 标准误和偏度系数、峰度系数 ………………………………………… 33
2.3 创建一个数值摘要表 …………………………………………………………… 35
2.4 异常值的观测与说明 …………………………………………………………… 37
2.4.1 利用箱线图观测异常值并处理 ………………………………………… 38
2.4.2 异常值检测的其他情况和说明 ………………………………………… 40
2.5 缺失值的填补与处理 …………………………………………………………… 42
2.5.1 删除缺失值或对其进行简单填补 ……………………………………… 42
2.5.2 按照相关性对空缺值进行填补 ………………………………………… 45
第 3章R的数据可视化 …………………………………………………… 47
3.1 plot函数和常用的图形参数 ………………………………………………… 47
3.1.1 设置 plot函数中的参数 ……………………………………………… 47
3.1.2 修改散点图的坐标并加入标注 ………………………………………… 51
3.2 经典的基础图形及用途 ………………………………………………………… 54
3.2.1 线图 ……………………………………………………………………… 54
3.2.2 直方图 …………………………………………………………………… 59
3.2.3 箱线图和茎叶图 ………………………………………………………… 63
3.3 将图形组合起来 ………………………………………………………………… 66
3.4 更多的高水平作图函数 ………………………………………………………… 69
3.5 更多的常用作图命令 …………………………………………………………… 72
第 4章R中参数的估计和检验 …………………………………………… 75
4.1 使用 R进行点估计和区间估计 ………………………………………………… 75
4.1.1 简单的点估计和区间估计 ……………………………………………… 75
4.1.2 估计单侧置信区间 ……………………………………………………… 79
4.2 与正态总体有关的参数检验 …………………………………………………… 83
4.3 列联表与独立性检验 …………………………………………………………… 87
4.4 几种检验数据分布的函数 ……………………………………………………… 89
4.5 对非正态总体的区间估计和检验 ……………………………………………… 92
4.5.1 非正态总体的区间估计 ………………………………………………… 92
4.5.2 非参数检验中的符号检验 ……………………………………………… 94
4.5.3 非参数检验中的秩检验 ………………………………………………… 96
第 5章R中的方差分析 …………………………………………………… 99
5.1 方差分析模型的建立 …………………………………………………………… 99
5.2 单因素方差分析 ……………………………………………………………… 100
5.2.1 单因素方差分析的数学思想与模型 ………………………………… 101
5.2.2 检验样本是否满足方差分析的假设条件 …………………………… 102
5.2.3 构建单因素方差分析模型 …………………………………………… 105
5.3 多因素方差分析 ……………………………………………………………… 108
5.3.1 多因素方差分析的数学思想与模型 ………………………………… 108
5.3.2 不考虑交互作用的双因素方差分析 ………………………………… 110
5.3.3 考虑交互作用的双因素方差分析 …………………………………… 112
5.4 秩检验和协方差分析 ………………………………………………………… 114
5.4.1 对控制变量应用秩检验方法 ………………………………………… 114
5.4.2 协方差分析的假设与应用 …………………………………………… 116
第 6章R中的相关分析和回归分析 ………………………………………118
6.1 多种相关系数的度量和分析 ………………………………………………… 118
6.1.1 简单相关系数的计算和检验 ………………………………………… 118
6.1.2 散布矩阵图和偏相关系数 …………………………………………… 121
6.1.3 典型相关分析 ………………………………………………………… 123
6.2 线性回归分析及其常规参数 ………………………………………………… 125
6.2.1 对数据进行预处理 …………………………………………………… 126
6.2.2 构建第一个回归模型 ………………………………………………… 127
6.2.3 修正方程并检验残差 ………………………………………………… 129
6.3 使用逐步回归筛选自变量 …………………………………………………… 132
6.3.1 逐步回归的思想与分类 ……………………………………………… 132
6.3.2 构建逐步回归模型 …………………………………………………… 133
6.4 哑变量和逻辑回归 …………………………………………………………… 135
6.4.1 哑变量和逻辑回归的思想 …………………………………………… 135
6.4.2 向线性回归模型中纳入哑变量 ……………………………………… 137
第 7章更高级的数据可视化 ………………………………………………140
7.1 基础图形的拓展与延伸 ……………………………………………………… 140
7.1.1 绘制分类散点图并添加图标 ………………………………………… 140
7.1.2 绘制含多种类别的密度分布图 ……………………………………… 143
7.1.3 复合条形图和堆栈条形图 …………………………………………… 146
7.2 有关多元分布函数的特殊图形 ……………………………………………… 149
7.2.1 星图和脸谱图 ………………………………………………………… 150
7.2.2 轮廓图 ………………………………………………………………… 153
7.2.3 调和曲线图 …………………………………………………………… 155
7.3 建立最简单的 3D图形 ……………………………………………………… 157
7.4 如何让图形更美观 …………………………………………………………… 160
7.5 更多的绘图包和系统 ………………………………………………………… 162
第 8章R中的聚类分析和判别分析 ………………………………………164
8.1 几种聚类分析的异同 ………………………………………………………… 164
8.2 使用 R实现 KNN聚类 ……………………………………………………… 165
8.2.1 KNN算法的思想和模型 …………………………………………… 165
8.2.2 使用 R实现 KNN聚类 ……………………………………………… 167
8.3 使用 R实现系统聚类 ………………………………………………………… 170
8.3.1 系统聚类的思想和模型 ……………………………………………… 170
8.3.2 使用 R实现系统聚类 ……………………………………………… 171
8.4 使用 R实现快速聚类 ………………………………………………………… 174
8.4.1 快速聚类的思想和模型 ……………………………………………… 174
8.4.2 使用 R实现快速聚类 ……………………………………………… 176
8.5 几种判别分析模型综述 ……………………………………………………… 178
8.5.1 距离判别模型 ………………………………………………………… 179
8.5.2 Fisher判别模型 ……………………………………………………… 182
第 9章R中的主成分分析和因子分析 ……………………………………186
9.1 主成分分析的实现与应用 …………………………………………………… 186
9.1.1 主成分分析的模型假设和数据处理 ………………………………… 186
9.1.2 构造一个主成分分析模型 …………………………………………… 189
9.1.3 计算主成分的综合得分 ……………………………………………… 191
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
