第1章  绪论

1.1  为什么学习R语言 1

1.1.1  R是什么 1

1.1.2  R语言主要优势 2

1.2  正确的数据思维观 4

1.2.1  数学思维 5

1.2.2  统计思维 5

1.2.3  逻辑思维 10

习题 12

基础篇

第2章  R语言入门

2.1  新手上路 17

2.1.1  两个例子 17

2.1.2  R是什么 19

2.2  R语言开发环境部署 19

2.2.1  安装R 19

2.2.2  安装RStudio 20

2.3  获取帮助 22

2.3.1  文档和搜索 22

2.3.2  演示 22

2.3.3  帮助函数 23

2.4  工作空间 23

2.5  脚本 24

2.6  R包 25

习题 25

第3章  数据类型

3.1  变量与常量 27

3.1.1  变量 27

3.1.2  常量 28

3.2  结构类型 28

3.2.1  向量 29

3.2.2  矩阵 31

3.2.3  数组 33

3.2.4  数据框 35

3.2.5  因子 36

3.2.6  列表 37

3.3  字符串操作 38

3.3.1  基本操作 38

3.3.2  字符串处理stringr包 39

3.4  用于数据处理和转换的常用函数 40

习题 41

第4章  数据准备

4.1  数据导入 43

4.1.1  键盘输入数据 44

4.1.2  导入文本文件 45

4.1.3  导入Excel数据 46

4.1.4  导入数据库文件 47

4.2  数据导出 48

4.2.1  导出文本文件 48

4.2.2  保存图片 49

习题 49

第5章  数据可视化

5.1  低水平绘图命令 51

5.1.1  点 51

5.1.2  线 54

5.1.3  面 56

5.2  高水平绘图命令 59

5.2.1  认识ggplot2 59

5.2.2  几何对象 59

5.2.3  映射 60

5.2.4  统计对象 62

5.2.5  标度 63

5.2.6  分面 65

5.2.7  其他修饰 67

5.3  交互式绘图命令 69

5.3.1  rCharts包 69

5.3.2  plotly包 70

5.3.3  shiny 72

习题 80

第6章  数据探索

6.1  缺失值分析 82

6.1.1  与缺失值相关的几个概念 82

6.1.2  缺失值检测 83

6.2  异常值分析 84

6.2.1  箱线图检验离群点 85

6.2.2  散点图检测离群点 86

6.2.3  LOF方法检测异常值 87

6.2.4  聚类方法检测异常值 87

6.3  不一致值分析 88

6.4  数据的统计特征分析 88

6.4.1  分布分析 88

6.4.2  对比分析 90

6.4.3  统计量分析 91

6.4.4  周期性分析 93

6.4.5  相关性分析 94

习题 97

第7章  数据变换

7.1  数据清洗 100

7.1.1  缺失数据处理 100

7.1.2  数据去重 101

7.1.3  规范化 102

7.2  数据选择 103

7.2.1  删除有75%以上相同数值的自变量 103

7.2.2  删除高相关性的自变量 104

7.2.3  重要变量的选择 105

7.2.4  数据集选择 106

7.2.5  主成分分析 106

7.2.6  因子分析 108

7.3  数据集成 109

7.3.1  通过向量化重构数据 109

7.3.2  为数据添加新变量 110

7.3.3  数据透视表 112

7.3.4  频度 117

7.3.5  数据整合 118

7.3.6  分组汇总 121

习题 124

第8章  高级编程

8.1  控制结构 126

8.1.1  选择结构程序设计 126

8.1.2  循环结构程序设计 127

8.2  用户自定义函数 128

习题 129

第9章  数据建模

9.1  Rattle包 132

9.2  聚类模型 139

9.2.1  背景 139

9.2.2  K-Means聚类 139

9.2.3  Ewkm聚类 142

9.2.4  层次聚类（Hierachical） 144

9.2.5  双向聚类（BiCluster） 146

9.3  关联分析模型 147

9.3.1  背景 147

9.3.2  基本术语 148

9.3.3  关联规则的分类 149

9.3.4  Apriori算法 150

9.3.5  实验指导 151

9.4  传统决策树模型 153

9.4.1  背景 153

9.4.2  ID3算法 155

9.4.3  C4.5算法 156

9.4.4  实验指导 156

9.5  随机森林决策树模型 159

9.5.1  背景 159

9.5.2  随机森林算法 159

9.5.3  实验指导 161

9.6  自适应选择决策树模型 164

9.6.1  背景 164

9.6.2  Boosting算法 164

9.6.3  adaboost算法 165

9.6.4  实验指导 165

9.7  SVM 169

9.7.1  背景 169

9.7.2  SVM算法 169

9.7.3  实验指导 172

9.8  线性回归模型 173

9.8.1  背景 173

9.8.2  一元线性回归方法 173

9.8.3  实验指导 175

9.9  神经网络模型 175

9.9.1  背景 175

9.9.2  人工神经网络模型 176

9.9.3  实验指导 179

习题 181

第10章  模型评估

10.1  数据集 185

10.2  混淆矩阵 186

10.2.1  二分类混淆矩阵 186

10.2.2  模型评价指标 187

10.2.3  多分类混淆矩阵 188

10.3  风险图 188

10.3.1  风险图的作用 188

10.3.2  实验指导 189

10.4  ROC曲线 191

10.4.1  什么是ROC曲线 191

10.4.2  ROC曲线作用 191

10.4.3  实验指导 191

习题 193

应用篇

第11章  影响大学平均录取分数线因素分析

11.1  背景与目标 197

11.2  数据说明 197

11.3  描述性分析 200

11.4  总结与建议 203

第12章  收视率分析

12.1  背景介绍 204

12.2  数据说明 204

12.3  描述性分析 205

12.4  总结与建议 211

进阶篇

第13章  RHadoop

13.1  认识RHadoop 215

13.1.1  为什么要让Hadoop结合R语言 215

13.1.2  Mahout与R在做数据挖掘的区别 216

13.2  RHadoop安装 216

13.2.1  依赖包安装 216

13.2.2  RHadoop的特点 219

13.3  综合练习 220

习题 225

第14章  SparkR

14.1  认识SparkR 228

14.1.1  安装SparkR 228

14.1.2  在R或Rstudio中调用SparkR 228

14.2  SparkDataFrame 229

14.3  SparkR支持的机器学习算法 230

14.4  综合练习 230

14.4.1  加载数据 230

14.4.2  SparkDataFrame基本操作 231

14.4.3  从Spark上运行SQL查询 233

14.4.4  SparkR操作hdfs上的文件 233

14.4.5  通过SparkR操作spark-sql以hive的表为对象 234

习题 234

参考文献

附录  大数据和人工智能实验环境