|
|
使用R，你已經站在巨人的肩膀上。
在巨量資料時代，資料採擷無疑是最炙手可熱的技術。已經滲透到網際網路、金融、電子商務、管理、生產、決策等各個領域，資料採擷的軟體也是層出不窮，其中R是最引人關注的軟體。
R 是一個免費的開放原始碼軟體，它提供首屈一指的統計計算和繪圖功能。R的特點是入門非常容易，使用也非常簡單，不管是初學者或熟練的使用者，都能從本書中找到對自己有用的內容，快速入門和加強。
透過本書，讀者不僅能掌握使用R及相關的演算法套件快速解決實際問題的方法，還可獲得從實際問題分析入手，到利用R進行求解，以及對採擷結果進行分析的全面訓練。
適用：電腦、機器學習、資訊、數學、金融、管理、運籌、統計以及相關科所學生；也能幫助市場行銷、金融、財務、人力資源管理人員及產品經理解決實際問題；或從事諮詢、研究、分析產業的人士及各級管理人提升專業水準。
前言
Part 1 資料前置處理篇
00 致敬，R！
01 資料採擷導引
1.1 資料採擷概述
1.2 資料採擷的演算法
1.3 資料採擷的工具
1.4 R 在資料採擷中的優勢
02 資料概覽
2.1 n × m 資料集
2.2 資料的分類
2.3 資料抽樣及R 實現
2.4 訓練集與測試集
2.5 本章整理
03 用R 取得資料
3.1 取得內建資料集
3.2 取得其他格式的資料
3.3 取得資料庫資料
3.4 取得網頁數據
3.5 本章整理
04 探索性資料分析
4.1 資料集
4.2 數位化探索
4.3 視覺化探索
4.4 本章整理
05 資料前置處理
5.1 資料集載入
5.2 資料清理
5.3 資料整合
5.4 資料轉換
5.5 資料精簡
5.6 本章整理
Part 2 基本演算法及應用篇
06 連結分析
6.1 概述
6.2 R 中的實現
6.3 應用案例
6.4 本章整理
07 分群分析
7.1 概述
7.2 R 中的實現
7.3 應用案例
7.4 本章整理
08 判別分析
8.1 概述
8.2 R 中的實現
8.3 應用案例
8.4 推薦系統綜合實例
8.4.1 kNN 與推薦
8.5 本章整理
09 決策樹
9.1 概述
9.2 R 中的實現
9.3 應用案例
9.4 本章整理
Part 3 進階演算法及應用篇
10 整合學習
10.1 概述
10.2 R 中的實現
10.3 應用案例
10.4 本章整理
11 隨機森林
11.1 概述
11.2 R 中的實現
11.3 應用案例
11.4 本章整理
12 支援向量機
12.1 概述
12.2 R 中的實現
12.3 應用案例
12.4 本章整理
13 神經網路
13.1 概述
13.2 R 中的實現
13.3 應用案例
13.4 本章整理
14 模型評估與選擇
14.1 評估過程概述
14.2 安裝Rattle 套件
14.3 Rattle 功能簡介
14.4 模型評估相關概念
14.5 Rattle 在模型評估中的應用
14.6 綜合實例
