大数据人才培养规划教材

数据挖掘——基于R语言的实战

一个R语言的数据挖掘案例贯穿全书,带你全面掌握数据挖掘技术; 本书课程群服务QQ(1056931673)
分享 推荐 1 收藏 25 阅读 1.4K
张俊妮 , 编著 (作者)

关于本书的内容有任何问题,请联系 武恩玉

1. 本书是名校北京大学光华管理学院“数据挖掘与应用”课程教材。
2. 本书作者被誉为“哈佛小魔女”,中科院少年班天才统计学家,张俊妮教授十年一剑之作。
3. 全书案例丰富,涵盖医疗、金融、营销、保险、政府部门等应用案例。
4. 提供全套教学解决方案,推动“数据挖掘”课程的建设和发展。

内容摘要

本书以深入浅出的语言系统地介绍了数据挖掘的框架和基本方法,主要内容包括:数据挖掘与 R 语言概述、数据理解、数据准备、关联规则挖掘、聚类分析、线性模型与广义线性模型、神经网络的基本方法、决策树、基于决策树的模型组合、模型评估与比较、R 语言数据挖掘大案例。本书使用基于 R 语言的数据挖掘案例贯穿全书,并辅以上机实验和习题,帮助读者熟练使用 R 语言进行数据挖掘。

本书可作为高等院校数据分析与数据挖掘课程的教材,也适合有意学习并使用数据挖掘基本技术的本科生、研究生以及业界人士阅读。

前言

当下,我们处在一个数据为王的时代。若要在政府部门、金融机构、各行业企业、非营利组织等机构的决策和运营中体现出数据的价值,数据挖掘是相关从业人员所需的基本技能。时代对于数据挖掘人才有着旺盛需求,因而也迫切需要能系统并深入浅出地普及数据挖掘知识和实际操作技能的教材。本书旨在回应这样的需求。

作者基于十多年给北京大学各学科的学生讲授数据挖掘课程的经验,设计了本书的架构。在数据挖掘理论和方法的讲解部分,本书首先介绍数据挖掘的框架和方法论,接着介绍在应用模型之前的数据理解和数据准备,然后介绍关联规则挖掘和聚类分析这两种无监督数据挖掘方法,以及线性模型和广义线性模型、神经网络、决策树、基于决策树的模型组合这些有监督数据挖掘方法,最后介绍模型的评估与比较。在介绍这些知识时,作者尽量使用深入浅出的语言,说明相关理论或方法的基本要素,避免赘述过于繁杂或难度过高的技术细节。

本书同时着重介绍基于 R 语言的数据挖掘实战,并使用基于 R 语言的数据挖掘案例贯穿全书。另外,在案例部分还注重连贯性。例如,本书多章的正文实践示例部分使用了同一套关于移动运营商的数据,以便读者能够基于对这套数据的分析了解数据挖掘的全过程。最后一章的正文部分还展示了另一个基于 R 语言的数据挖掘大案例。本书多章的上机实验部分使用了同一套关于电影的数据,习题部分使用了同一套关于心脏病研究的数据。

感谢狗熊会邀请我加入系列教材的开发工作,使我有机会梳理多年的数据挖掘教学经验。感谢北京大学光华管理学院的高钰静和北京大学前沿交叉学科研究院大数据科学研究中心的徐铖,他们为本书的小部分内容写了初稿。也感谢本书的编辑们(尤其是武恩玉女士),他们一丝不苟的工作提升了本书的质量。

张俊妮
2020 年 7 月
于北大燕园

目录

第 一章 数据挖掘与R语言概述 7
1.1 什么是数据挖掘 7
1.2 数据挖掘的基本流程 7
1.2.1 应用背景 7
1.2.2 数据收集 8
1.2.3 数据准备 8
1.2.4 建立模型 8
1.2.5 模型评估与选择 9
1.2.6 模型监测与更新 9
1.3 关于数据挖掘项目的三个基本问题 9
1.3.1 建模数据集对预测数据集的代表性 10
1.3.2 自变量和因变量之间关系的因果性解释 11
1.3.3 模型预测精度对于实际应用的价值 12
1.4 CRISP-DM数据挖掘方法论 12
1.5 SEMMA数据挖掘方法论 13
1.6 R语言及Rstudio简介 15
第二章 数据理解 17
2.1 收集初始数据 17
2.2 描述数据 17
2.2.1 数据的精确含义 17
2.2.2 数据粒度 18
2.2.3 变量类型 18
2.2.4 冗余变量 19
2.2.5 缺省值 19
2.2.6 数据链接 19
3

4 目录
2.3 检查数据质量 19
2.3.1 抽样偏差 19
2.3.2 数据取值错误 20
2.3.3 数据缺失情况 21
2.4 初步探索数据 22
2.5 R语言分析示例:数据理解 22
第三章 数据准备 33
3.1 数据整合 33
3.2 处理分类自变量 33
3.3 处理时间信息 34
3.4 清除变量 35
3.5 异常值 35
3.6 及值 36
3.7 处理缺失数据 37
3.8 过抽样与欠抽样 38
3.9 降维 38
3.9.1 变量选择 38
3.9.2 主成分分析 39
3.10 R语言分析示例:数据整合 41
3.11 R语言分析示例:数据准备 47
第四章 关联规则挖掘 59
4.1 关联规则的基本概念及Apriori算法 59
4.1.1 关联规则的基本概念 59
4.1.2 Apriori算法简介 60
4.2 序列关联规则挖掘 60
4.3 R语言分析示例:关联规则挖掘 61
4.3.1 购物篮分析 61
4.3.2 泰坦尼克号存活情况分析 68
第五章 聚类分析 75
5.1 k均值聚类法 75
5.1.1 观测之间的距离度量 75
5.1.2 k均值聚类法的具体步骤 76

目录 5
5.1.3 关于k均值聚类法的一些点评 77
5.2 层次聚类法 78
5.2.1 层次聚类法的具体步骤 78
5.2.2 类别之间距离的度量 78
5.3 确定最优类别数 80
5.4 R语言分析示例:聚类 82
第六章 线性模型与广义线性模型 93
6.1 线性模型 93
6.1.1 模型假设与估计 93
6.1.2 模型解释 94
6.1.3 一些理论结果 94
6.1.4 模型诊断 95
6.2 广义线性模型 98
6.2.1 广义线性模型简介 98
6.2.2 因变量为二值变量或比例的情形 99
6.2.3 因变量为多种取值的名义变量的情形 100
6.2.4 因变量为定序变量的情形 100
6.2.5 因变量为计数变量的情形 101
6.2.6 因变量为取值可正可负的连续变量的情形 101
6.2.7 因变量为非负连续变量的情形 101
6.3 线性模型与广义线性模型中的变量选择 101
6.3.1 逐步回归 101
6.3.2 LASSO 102
6.4 R语言分析示例:线性模型与广义线性模型 103
6.4.1 线性模型示例 103
6.4.2 逻辑回归及Lasso示例:印第安女性糖尿病数据 107
6.4.3 逻辑回归及Lasso示例:移动运营商数据 112
第七章 神经网络的基本方法 119
7.1 神经元及神经网络介绍 119
7.1.1 单个神经元 119
7.1.2 多层感知器架构 119
7.2 神经网络模型训练 119
7.2.1 误差函数 119

6 目录
7.2.2 神经网络训练算法 119
7.3 提高神经网络模型的可推广性 119
7.4 R语言分析示例:神经网络 119
7.4.1 白葡萄酒数据 119
7.4.2 移动运营商数据 119
第八章 决策树 121
8.1 决策树简介 121
8.2 决策树的生长与修剪 121
8.2.1 一般过程 121
8.2.2 分类树 121
8.2.3 回归树 121
8.3 对缺失数据的处理 121
8.4 变量选择 121
8.5 决策树的优缺点 121
8.6 R语言分析示例:决策树 121
第九章 基千决策树的模型组合 123
9.1 基于决策树的Bagging方法 123
9.2 基于决策树的Boosting方法 123
9.3 随机森林 123
9.4 贝叶斯累加回归树(BART) 123
9.5 R语言分析示例:基于决策树的模型组合 123
第十章 模型评估与比较 125
10.1 因变量为二分变量的情形 125
10.2 因变量为多分变量的情形 125
10.3 因变量为连续变量的情形 125
10.4 R语言分析示例:模型评估与比较 125
第十一章 R语言分析案例:Kaggle房价预测数据 127
11.1 数据介绍与业务理解 127
11.2 数据理解与数据准备 127
11.3 建模 127
11.4 模型评估与比较 127
11.5 模型应用 12

读者评论

赶紧抢沙发哦!

我要评论

作者介绍

张俊妮,美国哈佛大学统计学博士,北京大学光华管理学院商务统计及经济计量系副教授。研究领域包括:贝叶斯分析、因果推断、数据挖掘及文本挖掘。在Journal of American Statistical Association、Statistica Sinica、等期刊上发表二十余篇论文,出版英文专著。曾获北京大学教学优秀奖、光华管理学院优秀课程奖。

推荐用户

同系列书

  • Python数据分析与应用

    黄红梅 张良均 张凌 施兴 周东平

    本书以任务为导向,全面地介绍数据分析的流程和Python数据分析库的应用,详细讲解利用Python解决企业实际...

    ¥49.80
  • Python编程基础

    张健 张良均 何燕 张敏 姜鹏辉

    本书采用以任务为导向的编写模式,全面地介绍了Python编程基础及其相关知识的应用,讲解了如何利用Python...

    ¥39.80
  • Python网络爬虫技术

    江吉彬 张良均 詹增荣 戴华炜 郭信佑

    本书以任务为导向,较为全面地介绍了不同场景下Python爬取网络数据的方法,包括静态网页、动态网页、登录后才能...

    ¥39.80
  • Spark大数据技术与应用

    肖芳 张良均 汪作文 胡大威 樊哲

    本书以任务为导向,较为全面地介绍了Spark大数据技术的相关知识。全书共9章,具体内容包括Spark概述;Sc...

    ¥49.80
  • Hadoop大数据开发基础

    余明辉 张良均 高杨 陈浩 樊哲

    本书以任务为导向,较为全面地介绍了Hadoop大数据技术的相关知识。全书共6章,具体内容包括Hadoop介绍、...

    ¥39.80

相关图书

联系客服
联系客服
人邮微信
人邮微信
微信二维码
返回顶部
返回顶部