數(shù)據(jù)挖掘算法與R語言實現(xiàn)

第1章  R軟件的使用方法 1

1.1  R軟件介紹和安裝 1

1.1.1  R軟件介紹 1

1.1.2  R軟件的安裝 1

1.1.3  R studio的安裝 2

1.2  R語言基本運算 3

1.2.1  R語言的數(shù)值運算 3

1.2.2  R語言的向量 5

1.2.3  R語言的向量運算 6

1.3  R語言缺失數(shù)據(jù) 7

1.3.1  R語言缺失數(shù)據(jù)類型 7

1.3.2  R語言缺失數(shù)據(jù)識別 7

1.3.3  R語言缺失數(shù)據(jù)處理 8

1.4  矩陣的運算 8

1.4.1  矩陣建立 8

1.4.2  矩陣計算 10

1.4.3  矩陣分解 11

1.5  列表和數(shù)據(jù)框 12

1.5.1  列表介紹 12

1.5.2  數(shù)據(jù)框介紹 13

1.6  R軟件的數(shù)據(jù)讀/寫 14

1.7  R軟件包介紹 15

1.7.1  包的基礎知識 15

1.7.2  自動安裝包 15

1.7.3  通過硬盤加載包 16

1.7.4  常見包介紹 16

1.8  R語言的函數(shù) 16

1.8.1  循環(huán)結構 16

1.8.2  條件執(zhí)行結構 17

1.8.3  自定義函數(shù) 18

1.9  R軟件繪圖功能介紹 19

1.9.1  高級繪圖函數(shù) 20

1.9.2  低級繪圖函數(shù) 22

1.9.3  用ggplot2包進行繪圖 25

第2章  C4.5算法 30

2.1  算法簡介 30

2.2  算法基本原理 30

2.3  算法的R語言實現(xiàn) 33

2.3.1  ctree函數(shù)介紹 33

2.3.2  C4.5決策樹的R語言實例 33

2.4  小結 35

參考文獻 36

第3章  k-means算法 37

3.1  算法簡介 37

3.2  算法基本原理 37

3.3  算法的R語言實現(xiàn) 39

3.3.1  kmeans函數(shù)介紹 39

3.3.2  k-means聚類的R語言實例 39

3.4  小結 41

參考文獻 42

第4章  CART算法 44

4.1  算法簡介 44

4.2  算法基本原理 44

4.2.1  CART算法的建樹 44

4.2.2  CART算法的剪枝 45

4.2.3  算法過程實例 46

4.3  算法的R語言實現(xiàn) 48

4.3.1  rpart函數(shù)介紹 48

4.3.2  CART決策樹的R語言實例 48

4.3.3  rpart函數(shù)的補充說明 50

4.4  小結 52

參考文獻 52

第5章  Apriori算法 53

5.1  算法簡介 53

5.2  算法基本原理 53

5.2.1  挖掘頻繁模式和關聯(lián)規(guī)則 53

5.2.2  Apriori算法 55

5.2.3  AprioriTid算法 61

5.2.4  挖掘順序模式 64

5.2.5  Apriori算法的一種改進算法 65

5.3  算法的R語言實現(xiàn)算法 66

5.3.1  apriori函數(shù)介紹 66

5.3.2  Apriori模型 66

5.4  小結 68

參考文獻 68

第6章  EM算法 70

6.1  算法簡介 70

6.2  算法基本原理 71

6.2.1  基礎理論 71

6.2.2  算法過程實例 71

6.3  算法的R語言實現(xiàn) 76

6.3.1  mclust函數(shù)介紹 76

6.3.2  EM標準模型的R語言實現(xiàn) 77

6.3.3  存在噪聲的EM算法的R語言實現(xiàn) 79

6.3.4  EM算法應用于高斯混合模型(GMM) 81

6.3.5  EM算法應用于Iris數(shù)據(jù)集 84

6.4  小結 84

參考文獻 85

第7章  PageRank算法 86

7.1  算法簡介 86

7.2  算法基本原理 86

7.3  算法的R語言實現(xiàn) 89

7.3.1  page.rank函數(shù)介紹 89

7.3.2  igraph包實現(xiàn)PageRank算法 89

7.3.3  自定義PageRank算法的R語言實現(xiàn) 90

7.3.4  補充實例 91

7.4  小結 95

參考文獻 96

第8章  AdaBoost算法 97

8.1  算法簡介 97

8.2  算法基本原理 97

8.2.1  Boosting算法 97

8.2.2  AdaBoost算法 98

8.2.3  算法過程實例 101

8.3  算法的R語言實現(xiàn) 102

8.3.1  boosting函數(shù)介紹 102

8.3.2  R語言實例 102

8.4  小結 104

參考文獻 104

第9章  kNN算法 105

9.1  算法簡介 105

9.2  算法基本原理 105

9.2.1  算法描述 105

9.2.2  算法流程 107

9.3  算法的R語言實現(xiàn) 108

9.3.1  knn函數(shù)介紹 108

9.3.2  利用class包中的knn函數(shù)建立模型 108

9.3.3  kNN算法應用于Iris數(shù)據(jù)集 109

9.3.4  kNN算法應用于Breast數(shù)據(jù)集 111

9.4  小結 113

參考文獻 114

第10章  Naive Bayes算法 115

10.1  算法簡介 115

10.2  算法基本原理 115

10.2.1  基礎理論 115

10.2.2  算法過程實例 118

10.3  算法的R語言實現(xiàn) 120

10.3.1  naiveBayes函數(shù)介紹 120

10.3.2  利用e1071包中的naiveBayes函數(shù)建立模型 120

10.3.3  算法拓展——其他改進的Naive Bayes算法 121

10.4  小結 123

參考文獻 123

第11章  SVM算法 125

11.1  算法簡介 125

11.2  算法基本原理 125

11.2.1  基礎理論 125

11.2.2  軟間隔優(yōu)化 127

11.2.3  核映射 129

11.2.4  SVM算法的過程 130

11.2.5  SVC算法過程實例 130

11.3  算法的R語言實現(xiàn) 132

11.3.1  svm函數(shù)介紹 132

11.3.2  標準分類模型 133

11.3.3  多分類模型 133

11.3.4  SVM回歸 134

11.3.5  SVM拓展包(kernlab包) 135

11.3.6  SVM算法應用于Iris數(shù)據(jù)集(e1071包) 135

11.3.7  SVM算法應用于Iris數(shù)據(jù)集(kernlab包) 136

11.4  小結 137

參考文獻 138

第12章  案例分析 139

12.1  關聯(lián)規(guī)則案例分析 139

12.1.1  問題描述 139

12.1.2  R語言實現(xiàn)過程 139

12.1.3  不同參數(shù)的Apriori模型 141

12.1.4  小結 145

12.2  kNN算法案例分析 145

12.2.1  問題描述 145

12.2.2  R語言實現(xiàn)過程 145

12.2.3  小結 148

12.3  Naive Bayes算法案例分析 149

12.3.1  問題描述 149

12.3.2  R語言實現(xiàn)過程 149

12.3.3  小結 152

12.4  CART算法案例分析 152

12.4.1  問題描述 152

12.4.2  R語言實現(xiàn)過程 152

12.4.3  小結 159

12.5  AdaBoost算法案例分析 159

12.5.1  問題描述 159

12.5.2  R語言實現(xiàn)過程 159

12.5.3  小結 161

12.6  SVM算法案例分析 162

12.6.1  問題描述 162

12.6.2  R語言實現(xiàn)過程 162

12.6.3  小結 167