計算機科學叢書：數(shù)據(jù)挖掘與R語言簡介，目錄書摘
《計算機科學叢書：數(shù)據(jù)挖掘與R語言》的支持網站給出了案例研究的所有代碼、數(shù)據(jù)集以及R函數(shù)包
不要求讀者具有R、數(shù)據(jù)挖掘或統(tǒng)計技術的基礎知識
《計算機科學叢書：數(shù)據(jù)挖掘與R語言》利用大量給出必要步驟、代碼和數(shù)據(jù)的具體案例，詳細描述了數(shù)據(jù)挖掘的主要過程和技術
《計算機科學叢書：數(shù)據(jù)挖掘與R語言》首先簡要介紹了R軟件的基礎知識（安裝、R數(shù)據(jù)結構、R編程、R的輸入和輸出等）。然后通過四個數(shù)據(jù)挖掘的實際案例（藻類頻率的預測、證券趨勢預測和交易系統(tǒng)仿真、交易欺詐預測、微陣列數(shù)據(jù)分類）介紹數(shù)據(jù)挖掘技術。這四個案例基本覆蓋了常見的數(shù)據(jù)挖掘技術，從無監(jiān)督的數(shù)據(jù)挖掘技術、有監(jiān)督的數(shù)據(jù)挖掘技術到半監(jiān)督的數(shù)據(jù)挖掘技術。全書以實際問題、解決方案和對解決方案的討論為主線來組織內容，脈絡清晰，并且各章自成體系。讀者可以從頭至尾逐章學習，也可以根據(jù)自己的需要進行學習，找到自己實際問題的解決方案。
《計算機科學叢書：數(shù)據(jù)挖掘與R語言》不需要讀者具備R和數(shù)據(jù)挖掘的基礎知識。不管是R初學者，還是熟練的R用戶都能從書中找到對自己有用的內容。讀者既可以把本書作為學習如何應用R的一本優(yōu)秀教材，也可以作為數(shù)據(jù)挖掘的工具書。
Luís Torgo，葡萄牙波爾圖大學計算機科學系副教授，現(xiàn)在在LIAAD實驗室從事研究工作。他是APPIA會員，同時還是OBEGEF的創(chuàng)辦會員。
推薦序
中文版序
譯者序
前言
致謝
第1章 簡介
1.1如何閱讀本書
1.2R簡介
1.2.1R起步
1.2.2R對象
1.2.3向量
1.2.4向量化
1.2.5因子
1.2.6生成序列
1.2.7數(shù)據(jù)子集
1.2.8矩陣和數(shù)組
1.2.9列表
1.2.10數(shù)據(jù)框
1.2.11構建新函數(shù)
1.2.12對象、類和方法
1.2.13管理R會話
1.3MySQL簡介
第2章 預測海藻數(shù)量
2.1問題描述與目標
2.2數(shù)據(jù)說明
2.3數(shù)據(jù)加載到R
2.4數(shù)據(jù)可視化和摘要
2.5數(shù)據(jù)缺失
2.5.1將缺失部分剔除
2.5.2用最高頻率值來填補缺失值
2.5.3通過變量的相關關系來填補缺失值
2.5.4通過探索案例之間的相似性來填補缺失值
2.6獲取預測模型
2.6.1多元線性回歸
2.6.2回歸樹
2.7模型的評價和選擇
2.8預測7類海藻的頻率
2.9小結
第3章 預測股票市場收益
3.1問題描述與目標
3.2可用的數(shù)據(jù)
3.2.1在R中處理與時間有關的數(shù)據(jù)
3.2.2從CSV文件讀取數(shù)據(jù)
3.2.3從網站上獲取數(shù)據(jù)
3.2.4從MySQL數(shù)據(jù)庫讀取數(shù)據(jù)
3.3定義預測任務
3.3.1預測什么
3.3.2預測變量是什么
3.3.3預測任務
3.3.4模型評價準則
3.4預測模型
3.4.1如何應用訓練集數(shù)據(jù)來建模
3.4.2建模工具
3.5從預測到實踐
3.5.1如何應用預測模型
3.5.2與交易相關的評價準則
3.5.3模型集成：仿真交易
3.6模型評價和選擇
3.6.1蒙特卡羅估計
3.6.2實驗比較
3.6.3結果分析
3.7交易系統(tǒng)
3.7.1評估最終測試數(shù)據(jù)
3.7.2在線交易系統(tǒng)
3.8小結
第4章 偵測欺詐交易
4.1問題描述與目標
4.2可用的數(shù)據(jù)
4.2.1加載數(shù)據(jù)至R
4.2.2探索數(shù)據(jù)集
4.2.3數(shù)據(jù)問題
4.3定義數(shù)據(jù)挖掘任務
4.3.1問題的不同解決方法
4.3.2評價準則
4.3.3實驗方法
4.4計算離群值的排序
4.4.1無監(jiān)督方法
4.4.2有監(jiān)督方法
4.4.3半監(jiān)督方法
4.5小結
第5章 微陣列樣本分類
5.1問題描述與目標
5.1.1微陣列實驗背景簡介
5.1.2數(shù)據(jù)集ALL
5.2可用的數(shù)據(jù)
5.3基因（特征）選擇
5.3.1基于分布特征的簡單過濾方法
5.3.2ANOVA過濾
5.3.3用隨機森林進行過濾
5.3.4用特征聚類的組合進行過濾
5.4遺傳學異常的預測
5.4.1定義預測任務
5.4.2模型評價標準
5.4.3實驗過程
5.4.4建模技術
5.4.5模型比較
5.5小結
參考文獻
主題索引
數(shù)據(jù)挖掘術語索引
R函數(shù)索引
京公網安備 11000002000088號
