基于R的統(tǒng)計分析與數(shù)據(jù)挖掘

定　價：￥48.00

作　者：	薛薇著
出版社：	中國人民大學出版社
叢編項：	統(tǒng)計數(shù)據(jù)分析與應用叢書
標　簽：	社會科學統(tǒng)計學

購買這本書可以去

ISBN：	9787300190747	出版時間：	2014-05-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書聚焦當今備受國內(nèi)外數(shù)據(jù)分析師和數(shù)據(jù)應用者關注的R語言，關注如何借助R實現(xiàn)統(tǒng)計分析和數(shù)據(jù)挖掘。它既不是僅側(cè)重理論講解的統(tǒng)計分析和數(shù)據(jù)挖掘教科書，也不是僅側(cè)重R編程操作的使用手冊，而是以數(shù)據(jù)分析貫穿全書的兩者的有機結合。本書特色在于：以數(shù)據(jù)模擬的直觀方式論述方法原理的同時，通過案例強化R的操作實踐性；在以解決應用問題為目標討論R操作的同時，通過原理論述強化模型結果的解讀理解。本書定位于統(tǒng)計分析和數(shù)據(jù)挖掘的學習者、實踐者和研究者，旨在使讀者理解統(tǒng)計分析原理，熟練操控R軟件，拓展數(shù)據(jù)應用，提升研究水平。

作者簡介

　　薛薇，工學碩士，經(jīng)濟學博士，中國人民大學應用統(tǒng)計科學研究中心副主任，中國人民大學統(tǒng)計學院副教授。關注數(shù)據(jù)挖掘及統(tǒng)計建模、統(tǒng)計和數(shù)據(jù)挖掘軟件應用、統(tǒng)計數(shù)據(jù)庫系統(tǒng)研發(fā)等方面。涉足網(wǎng)絡新媒體輿論傳播和互動建模、政府和官方微博分析、電商數(shù)據(jù)分析、學科學術熱點跟蹤等文本挖掘，以及社會網(wǎng)絡分析和以數(shù)據(jù)挖掘為依托的客戶關系管理等領域。主要著作：《SPSS統(tǒng)計分析方法及應用》、《SPSS Modeler數(shù)據(jù)挖掘方法及應用》、《基于R的統(tǒng)計分析和數(shù)據(jù)挖掘》、《基于信息技術的統(tǒng)計信息系統(tǒng)》等。

圖書目錄

第1章關于R
1．1 為什么選擇R
1．2 如何學習R
1．3 R入門必備
1．4 小結
第2章 R的數(shù)據(jù)組織
2．1 R的數(shù)據(jù)對象
2．2 創(chuàng)建和訪問R的數(shù)據(jù)對象
2．3 從文本文件讀數(shù)據(jù)
2．4 外部數(shù)據(jù)的導入
2．5 R數(shù)據(jù)組織的其他問題
2．6 小結
第3章 R的數(shù)據(jù)管理
3．1 數(shù)據(jù)合并
3．2 數(shù)據(jù)排序
3．3 缺失數(shù)據(jù)報告
3．4 變量計算
3．5 變量值的重編碼
3．6 數(shù)據(jù)篩選
3．7 數(shù)據(jù)保存
3．8 數(shù)據(jù)管理中控制流程
3．9 小結
第4章 R的基本數(shù)據(jù)分析：描述和相關
4．1 數(shù)值型單變量的描述
4．2 分類型單變量的描述
4．3 兩數(shù)值型變量相關性的分析
4．4 兩分類型變量相關性的分析
4．5 小結
第5章 R的基本數(shù)據(jù)分析：可視化
5．1 繪圖基礎
5．2 數(shù)值型單變量分布的可視化
5．3 分類型變量分布和相關性的可視化
5．4 兩數(shù)值型變量相關性的可視化
5．5 lattice繪圖
5．6 小結
第6章 R的兩均值比較檢驗
6．1 兩獨立樣本的均值檢驗
6．2 兩配對樣本的均值檢驗
6．3 樣本均值檢驗的功效分析
6．4 兩總體分布差異的非參數(shù)檢驗
6．5 兩樣本均值差的置換檢驗
6．6 兩樣本均值差的自舉法檢驗
6．7 小結
第7章 R的方差分析
7．1 單因素方差分析
7．2 單因素協(xié)方差分析
7．3 多因素方差分析
7．4 小結
第8章 R的回歸分析：一般線性模型
8．1 回歸分析概述
8．2 建立線性回歸模型
8．3 線性回歸方程的檢驗
8．4 回歸診斷：誤差項是否滿足高斯馬爾科夫假定
8．5 回歸診斷：診斷數(shù)據(jù)中的異常觀測點
8．6 回歸診斷：多重共線性的診斷
8．7 回歸建模策略
8．8 回歸模型驗證
8．9 帶虛擬變量的線性回歸分析
8．10 小結
第9章 R的回歸分析：廣義線性模型
9．1 廣義線性模型概述
9．2 logistic回歸分析：連接函數(shù)和參數(shù)估計
9．3 logistic回歸分析：解讀模型和模型檢驗
9．4 logistic回歸分析：R函數(shù)和示例
9．5 logistic回歸分析：回歸診斷
9．6 泊松回歸分析
9．7 廣義線性模型的交叉驗證
9．8 小結
第10章 R的聚類分析
10．1 聚類分析概述
10．2 K-Means聚類
10．3 層次聚類
10．4 兩步聚類
10．5 小結
第11章 R的因子分析：變量降維
11．1 因子分析概述
11．2 構造因子變量：基于主成分分析法
11．3 構造因子變量：基于主軸因子法
11．4 因子變量的命名
11．5 計算因子得分
11．6 小結
第12章 R的線性判別分析：分類模型
12．1 距離判別
12．2 Fisher判別
12．3 小結
第13章 R的決策樹：預測模型
13．1 決策樹算法概述
13．2 分類回歸樹的生長過程
13．3 分類回歸樹的剪枝
13．4 建立分類回歸樹的R函數(shù)和示例
13．5 建立分類回歸樹的組合預測模型
13．6 隨機森林
13．7 小結
第14章 R的人工神經(jīng)網(wǎng)絡：預測和聚類
14．1 人工神經(jīng)網(wǎng)絡概述
14．2 B-P反向傳播網(wǎng)絡
14．3 B-P反向傳播網(wǎng)絡的R函數(shù)和示例
14．4 SOM自組織映射網(wǎng)絡
14．5 小結