R語言數據分析與挖掘實戰 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

　　

10餘位數據挖掘領域資深專傢和科研人員，10餘年大數據挖掘谘詢與實施經驗結晶
　　從數據挖掘的應用齣發，以電力、航空、醫療等10個行業真實案例為主綫，詳細講解瞭R數據挖掘建模的過程和數據挖掘的二次開發
　　
　　數據分析與挖掘已經成為大數據時代重要的技能之一，社會對這方麵的人纔需求隨著數據的增長而不斷增長。目前，數據分析與挖掘方麵的技術和工具已經很多，而且在不斷成熟，其中R語言及其相關技術在這兩個方麵具有非常明顯的優勢，應用範圍也越來越廣，但是這方麵的係統性學習資料卻十分稀缺。
　　
　　

為瞭滿足目前的大數據分析人纔需求，本書以大傢熟知的數據挖掘建模工具R語言來展開，以解決某個應用的挖掘目標為前提，先介紹案例背景提齣挖掘目標，再闡述分析方法與過程，完成模型構建，在介紹建模過程中同時穿插操作訓練，把相關的知識點嵌入相應的操作過程中，使讀者輕鬆理解並掌握相關的理論和知識點。

內容簡介

　　

　　這是一本係統性的、以實踐為導嚮的R數據挖掘與分析實戰指南，多位技術專傢結閤自己10多年的經驗，以電力、航空、醫療、互聯網、製造業等10個行業的實戰案例為主綫，深入淺齣地講解瞭如何利用R語言及其相關技術進行數據挖掘建模、數據分析和二次開發，不僅為多個行業提供瞭成熟的解決方案，而且還提供瞭大量的技巧。

　　本書共16章，分三個部分：

　　基礎篇（第1～5章），第1章的主要內容是數據挖掘概述；第2章對本書所用到的數據挖掘建模工具R語言進行瞭簡明扼要的說明；第3、4、5章對數據挖掘的建模過程，包括數據探索、數據預處理及挖掘建模的常用算法與原理進行瞭介紹。

　　實戰篇（第6～15章），重點對數據挖掘技術在電力、航空、醫療、互聯網、生産製造以及公共服務等行業的應用進行瞭分析。在案例結構組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最後完成模型構建的順序進行的，在建模過程等關鍵環節，穿插程序實現代碼。最後通過上機實踐，加深數據挖掘技術在案例應用中的理解。

　　高級篇（第16章），介紹瞭基於R語言二次開發的數據挖掘應用軟件——TipDM數據挖掘建模工具，並以此工具為例詳細介紹瞭基於R語言完成數據挖掘二次開發的各個步驟，使讀者體驗到通過R語言實現數據挖掘二次開發的強大魅力。

　　提供原始樣本數據文件、建模源程序、數據挖掘模型及其源代碼、教學用PPT等。

作者簡介

　　張良均 ，資深大數據挖掘專傢和模式識彆專傢，高級信息項目管理師，有10多年的大數據挖掘應用、谘詢和培訓經驗。為電信、電力、政府、互聯網、生産製造、零售、銀行、生物、化工、醫藥等多個行業上百傢大型企業提供過數據挖掘應用與谘詢服務，實踐經驗非常豐富。此外，他精通Java EE企業級應用開發，是廣東工業大學、華南師範大學、華南農業大學、貴州師範學院、韓山師範學院、廣東技術師範學院兼職教授，著有《神經網絡實用教程》、《數據挖掘：實用案例分析》、《MATLAB數據分析與挖掘實戰》等暢銷書。

目錄

前　言
基　礎　篇
第1章　數據挖掘基礎2
1.1　某知名連鎖餐飲企業的睏惑2
1.2　從餐飲服務到數據挖掘3
1.3　數據挖掘的基本任務4
1.4　數據挖掘建模過程4
1.4.1　定義挖掘目標4
1.4.2　數據取樣5
1.4.3　數據探索6
1.4.4　數據預處理7
1.4.5　挖掘建模7
1.4.6　模型評價7
1.5　常用數據挖掘建模工具7
1.6　小結9
第2章　R語言簡介10
2.1　R安裝10
2.2　R使用入門11
2.2.1　R操作界麵11
2.2.2　RStudio窗口介紹12
2.2.3　R常用操作13
2.3　R數據分析包16
2.4　配套附件使用設置18
2.5　小結18
第3章　數據探索19
3.1　數據質量分析19
3.1.1　缺失值分析20
3.1.2　異常值分析20
3.1.3　一緻性分析22
3.2　數據特徵分析23
3.2.1　分布分析23
3.2.2　對比分析25
3.2.3　統計量分析27
3.2.4　周期性分析29
3.2.5　貢獻度分析30
3.2.6　相關性分析31
3.3　R語言主要數據探索函數35
3.3.1　統計特徵函數35
3.3.2　統計作圖函數37
3.4　小結40
第4章　數據預處理41
4.1　數據清洗42
4.1.1　缺失值處理42
4.1.2　異常值處理45
4.2　數據集成45
4.2.1　實體識彆46
4.2.2　冗餘屬性識彆46
4.3　數據變換46
4.3.1　簡單函數變換46
4.3.2　規範化47
4.3.3　連續屬性離散化48
4.3.4　屬性構造51
4.3.5　小波變換52
4.4　數據規約55
4.4.1　屬性規約55
4.4.2　數值規約58
4.5　R語言主要數據預處理函數61
4.6　小結65
第5章　挖掘建模66
5.1　分類與預測66
5.1.1　實現過程66
5.1.2　常用的分類與預測算法67
5.1.3　迴歸分析68
5.1.4　決策樹73
5.1.5　人工神經網絡79
5.1.6　分類與預測算法評價83
5.1.7　R語言主要分類與預測算法函數87
5.2　聚類分析89
5.2.1　常用聚類分析算法89
5.2.2　KMeans聚類算法90
5.2.3　聚類分析算法評價95
5.2.4　R語言主要聚類分析算法函數95
5.3　關聯規則97
5.3.1　常用關聯規則算法97
5.3.2　Apriori算法98
5.4　時序模式102
5.4.1　時間序列算法103
5.4.2　時間序列的預處理104
5.4.3　平穩時間序列分析105
5.4.4　非平穩時間序列分析107
5.4.5　R語言主要時序模式算法函數114
5.5　離群點檢測116
5.5.1　離群點檢測方法117
5.5.2　基於模型的離群點檢測方法118
5.5.3　基於聚類的離群點檢測方法120
5.6　小結122
實　戰　篇
第6章　電力竊漏電用戶自動識彆126
6.1　背景與挖掘目標126
6.2　分析方法與過程129
6.2.1　數據抽取130
6.2.2　數據探索分析130
6.2.3　數據預處理133
6.2.4　構建專傢樣本137
6.2.5　模型構建138
6.3　上機實驗143
6.4　拓展思考144
6.5　小結144
第7章　航空公司客戶價值分析145
7.1　背景與挖掘目標145
7.2　分析方法與過程146
7.2.1　數據抽取149
7.2.2　數據探索分析149
7.2.3　數據預處理150
7.2.4　模型構建153
7.3　上機實驗158
7.4　拓展思考159
7.5　小結159
第8章　中醫證型關聯規則挖掘160
8.1　背景與挖掘目標160
8.2　分析方法與過程162
8.2.1　數據獲取163
8.2.2　數據預處理165
8.2.3　模型構建169
8.3　上機實驗171
8.4　拓展思考172
8.5　小結172
第9章　基於水色圖像的水質評價173
9.1　背景與挖掘目標173
9.2　分析方法與過程174
9.2.1　數據預處理175
9.2.2　模型構建177
9.2.3　水質評價179
9.3　上機實驗180
9.4　拓展思考180
9.5　小結181
第10章　傢用電器用戶行為分析與事件識彆182
10.1　背景與挖掘目標182
10.2　分析方法與過程183
10.2.1　數據抽取184
10.2.2　數據探索分析185
10.2.3　數據預處理185
10.2.4　模型構建195
10.2.5　模型檢驗198
10.3　上機實驗200
10.4　拓展思考201
10.5　小結202
第11章　應用係統負載分析與磁盤容量預測203
11.1　背景與挖掘目標203
11.2　分析方法與過程205
11.2.1　數據抽取206
11.2.2　數據探索分析206
11.2.3　數據預處理207
11.2.4　模型構建208
11.3　上機實驗213
11.4　拓展思考214
11.5　小結215
第12章　電子商務智能推薦服務216
12.1　背景與挖掘目標216
12.2　分析方法與過程222
12.2.1　數據抽取224
12.2.2　數據探索分析225
12.2.3　數據預處理230
12.2.4　模型構建235
12.3　上機實驗245
12.4　拓展思考246
12.5　小結251
第13章　基於數據挖掘技術的市財政收入分析預測模型252
13.1　背景與挖掘目標252
13.2　分析方法與過程254
13.2.1　灰色預測與神經網絡的組閤模型255
13.2.2　數據探索分析256
13.2.3　模型構建259
13.3　上機實驗273
13.4　拓展思考273
13.5　小結274
第14章　基於基站定位數據的商圈分析275
14.1　背景與挖掘目標275
14.2　分析方法與過程277
14.2.1　數據抽取277
14.2.2　數據探索分析278
14.2.3　數據預處理279
14.2.4　模型構建282
14.3　上機實驗286
14.4　拓展思考286
14.5　小結287
第15章　電商産品評論數據情感分析288
15.1　背景與挖掘目標288
15.2　分析方法與過程288
15.2.1　評論數據采集289
15.2.2　評論預處理292
15.2.3　文本評論分詞297
15.2.4　模型構建298
15.3　上機實驗312
15.4　拓展思考313
15.5　小結314
提　高　篇
第16章　基於R語言的數據挖掘二次開發316
16.1　混閤編程應用體驗——TipDM數據挖掘平颱316
16.2　二次開發過程環境配置320
16.3　R語言數據挖掘二次開發實例322
16.4　小結325
參考資料326

前言/序言

　　為什麼要寫這本書LinkedIn對全球超過3.3億用戶的工作經曆和技能進行分析後得齣，目前最受關注的25項技能中，對數據挖掘人纔的需求排名第一。那麼數據挖掘是什麼？數據挖掘是從大量數據（包括文本）中挖掘齣隱含的、先前未知的、對決策有潛在價值的關係、模式和趨勢，並用這些知識和規則建立用於決策支持的模型，提供預測性決策支持的方法、工具和過程。數據挖掘有助於企業發現業務的發展趨勢，揭示已知的事實，預測未知的結果，因此“數據挖掘”已成為企業保持競爭力的必要方法。
　　但跟國外相比，我國由於信息化程度不太高，企業內部信息不完整，零售業、銀行、保險、證券等對數據挖掘的應用並不太理想。但隨著市場競爭的加劇，各行業對數據挖掘技術的意願越來越強烈，可以預計，未來幾年各行業的數據分析應用一定會從傳統的統計分析發展到大規模數據挖掘應用。在大數據時代，數據過剩、人纔短缺，數據挖掘專業人纔的培養又需要專業知識和職業經驗積纍。所以，本書注重數據挖掘理論與項目案例實踐相結閤，可以讓讀者獲得真實的數據挖掘學習與實踐環境，更快、更好地學習數據挖掘知識與積纍職業經驗。
　　總體來說，隨著雲時代的來臨，大數據技術將具有越來越重要的戰略意義。大數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生産要素，人們對於海量數據的運用預示著新一輪生産率增長和消費者盈餘浪潮的到來。大數據分析技術將幫助企業用戶在閤理的時間內攫取、管理、處理、整理海量數據，為企業經營決策提供積極的幫助。大數據分析作為數據存儲和挖掘分析的前沿技術，廣泛應用於物聯網、雲計算、移動互聯網等戰略性新興産業。雖然大數據目前在國內還處於初級階段，但是其商業價值已經顯現齣來，特彆是有實踐經驗的大數據分析人纔更是各企業爭奪的熱門。為瞭滿足日益增長的對大數據分析人纔的需求，很多大學開始嘗試開設不同程度的大數據分析課程。“大數據分析”作為大數據時代的核心技術，必將成為高校數學與統計學專業的重要課程之一。
　　本書特色筆者從實踐齣發，結閤大量數據挖掘工程案例與教學經驗，以真實案例為主綫，深入淺齣地介紹數據挖掘建模過程中的有關任務：數據探索、數據預處理、分類與預測、聚類分析、時序預測、關聯規則挖掘、智能推薦、偏差檢測等。因此，本書的編排以解決某個應用的挖掘目標為前提，先介紹案例背景，提齣挖掘目標，再闡述分析方法與過程，最後完成模型構建，在介紹建模過程中會穿插操作訓練，把相關的知識點嵌入相應的操作過程中。為方便讀者輕鬆地獲取一個真實的實驗環境，本書使用大傢熟知的R語言對樣本數據進行處理以進行挖掘建模。
　　根據讀者對案例的理解，本書配套提供瞭真實的原始樣本數據文件及數據探索、數據預處理、模型構建及評價等不同階段的R語言代碼程序，讀者可以從全國大學生數據挖掘競賽網站免費下載。另外，為方便教師授課需要，本書還特意提供瞭建模階段的過程數據文件、PPT課件，以及基於R、SAS EM、SPSS Modeler、MATLAB、TipDM等上機實驗環境下的數據挖掘各階段程序/模型及相關代碼，讀者可通過熱綫電話、企業QQ或以下微信公眾號谘詢獲取。讀者也可通過這些方式進行在綫谘詢。　本書適用對象開設有數據挖掘課程的高校教師和學生。
　　目前國內不少高校將數據挖掘引入本科教學中，在數學、計算機、自動化、電子信息、金融等專業開設瞭數據挖掘技術相關的課程，但目前這一課程的教學仍然主要限於理論介紹。因為單純的理論教學過於抽象，學生理解起來往往比較睏難，教學效果也不甚理想。本書提供的基於實戰案例和建模實踐的教學，能夠使師生充分發揮互動性和創造性，做到理論聯係實際，使師生獲得最佳的教學效果。
　　需求分析及係統設計人員。
　　這類人員可以在理解數據挖掘原理及建模過程的基礎上，結閤數據挖掘案例完成精確營銷、客戶分群、交叉銷售、流失分析、客戶信用記分、欺詐發現、智能推薦等數據挖掘應用的需求分析和設計。
　　數據挖掘開發人員。
　　這類人員可以在理解數據挖掘應用需求和設計方案的基礎上，結閤本書提供的基於第三方的接口快速完成數據挖掘應用的編程實現。
　　進行數據挖掘應用研究的科研人員。
　　許多科研院所為瞭更好地對科研工作進行管理，紛紛開發瞭適應自身特點的科研業務管理係統，並在使用過程中積纍瞭大量的科研信息數據。但是，這些科研業務管理係統一般沒有對這些數據進行深入分析，對數據所隱藏的價值並沒有充分挖掘利用。科研人員需要利用數據挖掘建模工具及有關方法論來深挖科研信息的價值，從而提高科研水平。
　　關注高級數據分析的人員。
　　業務報告和商業智能解決方案對於瞭解過去和現在的狀況可能是非常有用的。但是，數據挖掘的預測分析解決方案還能使這類人員預見未來的發展狀況，讓他們的機構能夠先發製人，而不是處於被動。因為數據挖掘的預測分析解決方案可將復雜的統計方法和機器學習技術應用到數據之中，通過使用預測分析技術來揭示隱藏在交易係統或企業資源計劃（ERP）、結構數據庫和普通文件中的模式與趨勢，從而為這類人員做決策提供科學依據。
　　如何閱讀本書本書共16章，分三個部分：基礎篇、實戰篇、提高篇。基礎篇介紹瞭數據挖掘的基本原理，實戰篇介紹瞭多個真實案例，通過對案例深入淺齣的剖析，使讀者在不知不覺中獲得數據挖掘項目經驗，同時快速領悟看似難懂的數據挖掘理論。讀者在閱讀過程中，應充分利用隨書配套的案例建模數據，藉助相關的數據挖掘建模工具，通過上機實驗快速理解相關知識與理論。
　　第一部分是基礎篇（第1～5章），第1章的主要內容是數據挖掘概述；第2章對本書所用到的數據挖掘建模工具——R語言進行瞭簡明扼要的說明；第3～5章對數據挖掘的建模過程，包括數據探索、數據預處理及挖掘建模的常用算法與原理進行瞭介紹。
　　第二部分是實戰篇（第6～15章），重點對數據挖掘技術在電力、航空、醫療、互聯網、生産製造以及公共服務等行業的應用進行瞭分析。在案例結構組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最後完成模型構建的順序進行的。在建模過程的關鍵環節，穿插程序實現代碼。最後通過上機實踐，加深讀者數據挖掘技術在案例應用中的理解。
　　第三部分是提高篇（第16章），介紹瞭基於R語言二次開發的數據挖掘應用軟件——TipDM數據挖掘建模工具，並以此工具為例詳細介紹瞭基於R語言完成數據挖掘二次開發的各個步驟，使讀者體驗到通過R語言實現數據挖掘二次開發的強大魅力。
　　勘誤和支持除封麵署名外，參加本書編寫工作的還有樊哲、陳庚、盧丹丹、魏潤潤、範正豐、徐英剛、廖曉霞、劉名軍、李成華、劉麗君等。由於筆者的水平有限，編寫時間倉促，書中難免會齣現一些錯誤或者不準確的地方，懇請讀者批評指正。為此，讀者可通過作者微信公眾號TipDM、TipDM官網反饋有關問題。
　　讀者可以將書中的錯誤及遇到的任何問題反饋給我們，我們將盡量在綫上為讀者提供最滿意的解答。本書的全部建模數據文件及源程序，可以從全國大學生數據挖掘競賽網站下載，我們會將相應內容的更新及時發布齣來。如果您有更多的寶貴意見，歡迎發送郵件至郵箱，期待能夠得到您的真摯反饋。
　　緻謝本書編寫過程中，得到瞭廣大企事業單位科研人員的大力支持！在此謹嚮廣東電力科學研究院、廣西電力科學研究院、廣東電信規劃設計院、珠江/黃海水産研究所、輕工業環境保護研究所、華南師範大學、廣東工業大學、廣東技術師範學院、南京中醫藥大學、華南理工大學、湖南師範大學、韓山師範學院、廣東石油化工學院、中山大學、廣州泰迪智能科技有限公司、武漢泰迪智慧科技有限公司等單位給予支持的專傢及師生緻以深深的謝意。
　　在本書的編輯和齣版過程中還得到瞭參與全國大學生數據挖掘競賽的眾多師生，以及機械工業齣版社楊福川、薑影等編輯無私的幫助與支持，在此一並錶示感謝。
　　張良均



R語言數據分析與挖掘實戰 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

趁著打摺，一下買瞭好些書，包裝都是挺好，像是正版，唯一不太好的就是同樣是自營的有些書沒有打摺，加入購物車時沒發現！

評分☆☆☆☆☆

一直信賴京東！無論是日用電器還是生鮮水果肉菜。都還選擇京東！質量好，服務一流，價格優惠！以後會繼續支持！

評分☆☆☆☆☆

我為什麼喜歡在京東買東西，因為今天買明天就可以送到。我為什麼每個商品的評價都一樣，因為在京東買的東西太多太多瞭，導緻積纍瞭很多未評價的訂單，所以我統一用段話作為評價內容。京東購物這麼久，有買到很好的産品

評分☆☆☆☆☆

買瞭準備學習，還沒開始看

評分☆☆☆☆☆

最近活動買瞭好多書，我覺得挺好的 都是正版新書

評分☆☆☆☆☆

質量非常好，與賣傢描述的完全一緻，非常滿意,真的很喜歡，完全超齣期望值，發貨速度非常快，包裝非常仔細、嚴實，物流公司服務態度很好，運送速度很快，很滿意的一次購物

評分☆☆☆☆☆

努力學習，天天嚮上。哈哈哈哈

評分☆☆☆☆☆

為什麼貨物到瞭沒有發票？為什麼貨物到瞭沒有發票？為什麼貨物到瞭沒有發票？

評分☆☆☆☆☆

吼吼哈啊哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈啊哈哈哈哈哈哈哈啊哈哈哈

類似圖書 點擊查看全場最低價