目    录

第1 章  R简介 1

1.1  R软件介绍 1

1.2  R对象介绍 4

1.2.1  向量 4

1.2.2  数组 6

1.2.3  矩阵 8

1.2.4  数据框 11

1.2.5  因子 13

1.2.6  列表 13

1.2.7  对象转换 15

1.3  习题 16

第2 章  读写数据 17

2.1  读取数据 17

2.2  写入数据 21

2.3  读写RData数据 22

2.4  读写Excel数据 23

2.5  习题 23

第3章  从流程控制到函数 24

3.1  条件执行 24

3.2  循环控制 26

3.3  函数 30

3.4  习题 31

第4章  绘图功能及基本统计 32

4.1  高级绘图函数 32

4.2  低级绘图函数 35

4.3  交互式绘图函数 36

4.4  图形参数 38

4.5  基本统计 40

4.6  习题 45

第5章  数据分析和常用包 46

5.1  机器学习 46

5.2  数据挖掘 47

5.3  文本挖掘 47

5.4  常用包 47

第6章  监督式学习 56

6.1  决策树 56

6.2  支持向量机 69

6.3  人工神经网络 73

6.4  集成学习方法 78

6.4.1  随机森林 79

6.4.2  提升法 80

6.5  习题 81

第7章  非监督式学习 82

7.1  层次聚类法 82

7.2  K均值聚类算法 85

7.3  模糊C均值聚类算法 88

7.4  聚类指标 92

7.5  习题 95

第8章  演化式学习 96

8.1  遗传算法 96

8.2  人工蜂群算法 101

第9章  混合式学习 105

9.1  人工蜂群算法混合决策树 105

9.2  遗传算法混合人工神经网络 108

第10章  关联性规则 115

10.1  产生关联性规则并排序 117

10.2  删除冗余规则 121

10.3  习题 127

第11章  文本挖掘 128

11.1  使用混合分词并创建词频表 128

11.2  使用tag分词并创建词云 129

11.3  习题 131

第12章  推荐系统 132

12.1  Jester5k数据集 132

12.2  MovieLense数据集 135

第13章  可视化数据分析 138

13.1  导入数据 139

13.1.1  处理数据集 142

13.1.2  设置变量 143

13.2  探索及测试数据 143

13.3  转换数据 147

13.4  建立、评估及导出模型 149

13.5  习题 151

第14章  探索性数据分析 152

14.1  dplyr数据处理库（包） 152

14.2  案例分析 162

第15章  深度学习 185

15.1  多层感知器 186

15.2  卷积神经网络 194

15.3  长短期记忆网络 201

15.4  生成对抗网络 206

15.5  深度学习应用 212

15.6  习题 213

附录A  安装R 214

附录B  安装RStudio Desktop和rattle 217

附录C  R语言指令及用法 222