<內容介紹>

從海量的數據中收集、分析、提取有價值的信息需要功能強大的分析工具，本書結合R軟件詳細介紹了數據挖掘和數據分析的實用方法，主要內容包括處理信息和獲取數據、標準線性回歸、局部多項式回歸、統計建模中簡約的重要性、Logistic回歸、貝葉斯分析、多項式Logistic回歸、決策樹、聚類、購物籃分析、降維和網絡數據等。書後配有練習並且書中所有例子涉及的數據集和R代碼可以從本書配套網站獲取。

<章節目錄>

譯者序
前言
致謝
第1章引言
參考文獻
第2章處理信息與認識數據
21例1：2006年出生數據
22例2：校友捐贈
23例3：橘子汁
參考文獻
第3章標準線性回歸
31用R函數估算線性回歸模型
32例1：汽車燃油效率
33例2：豐田二手車價格
附錄3A模型過度擬合對回歸預測均方誤差的影響
參考文獻
第4章局部多項式回歸的非參數回歸方法
41模型的選擇
42密度估計和直方圖平滑化的應用
43多重回歸模型的拓展
44例題和軟件
441例1：老忠實噴泉
442例2：NOx排放物
參考文獻
第5章簡約在統計建模中的重要性
51怎樣防止低假陽率
參考文獻
第6章多參數回歸模型中基於懲罰算法的變量選擇
61例1：前列腺癌
62例2：橙汁
參考文獻
第7章Logistic回歸
71對二分類響應數據建立線性模型
72Logistic回歸模型中回歸係數的解釋
7 3統計推斷
74對新樣例的分類
75用R語言估計
76例1：死刑數據
761二分類Logistic回歸：Minitab程序輸出
762R語言輸出結果的解釋與分析
77例2：延誤的航班
78例3：貸款驗收
79例4：德國信貸數據
參考文獻
第8章二元分類、概率和分類性能的評價
81二元分類
8 2使用概率作決策
83靈敏度和特異度
84例子：德國信貸數據
第9章最近鄰分析分類
91k近鄰算法
92例1：玻璃碎片的法醫分析
93例2：德國信貸數據
參考文獻
第10章樸素貝葉斯分析：一種由以分類為主的變量對分類響應變量預測的模型
101例：航班延誤
參考文獻
第11章多項式Logistic回歸
111計算軟件
112例1：玻璃碎片的法醫分析
113例2：重溫玻璃碎片的法醫分析
附錄11A簡單三重矩陣的詳述
參考文獻
第12章分類和判別分析的深入探討
121Fisher線性判別函數
122例1：德國信用卡數據
123例2：Fisher鳶尾花數據
124例3：玻璃碎片的法醫分析數據
125例4：MBA申請數據
參考文獻
第13章決策樹
13 1例1：前列腺癌
132例2：摩托車加速度
133例3：回顧Fisher鳶尾花數據集
第14章回歸、分類樹、計算軟件及其他實用分類方法的深入探討
141有關樹結構的R程序包
142卡方自動交互檢驗
143集成方法：Bagging算法、Boosting算法和隨機森林
144支持向量機
145神經網絡
146R程序包：關於數據挖掘的一個有用的圖形用戶界面
參考文獻
第15章聚類
151k均值聚類
152另眼看聚類：將期望最大化算法應用於混合正態分佈
1521E步
1522M步
15 3層次聚類過程