掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
R語言實戰-(第2版) 版權信息
- ISBN：9787115420572
- 條形碼：9787115420572 ; 978-7-115-42057-2
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
R語言實戰-(第2版) 本書特色
本書注重實用性，是一本全面而細致的r指南，高度概括了該軟件和它的強大功能，展示了使用的統計示例，且對于難以用傳統方法處理的凌亂、不完整和非正態的數據給出了優雅的處理方法。作者不僅僅探討統計分析，還闡述了大量探索和展示數據的圖形功能。新版做了大量更新和修正，新增了近200頁內容，介紹數據挖掘、預測性分析和高級編程。本書適合數據分析人員及r用戶學習參考。
R語言實戰-(第2版) 內容簡介
大數據時代已經到來，在商業、經濟及其他領域中基于數據和分析去發現問題并作出科學、客觀的決策越來越重要。開源軟件r是世界上*流行的數據分析、統計計算及制圖語言，幾乎能夠完成任何數據處理任務，可安裝并運行于所有主流平臺，為我們提供了成千上萬的專業模塊和實用工具，是從大數據中獲取有用信息的絕佳工具，是數據挖掘、數據分析人才的**技能。
本書從解決實際問題入手，盡量跳脫統計學的理論闡述來討論r語言及其應用，講解清晰透澈，極具實用性。作者不僅高度概括了r語言的強大功能，展示了各種實用的統計示例，而且對于難以用傳統方法分析的凌亂、不完整和非正態的數據也給出了完備的處理方法。第2版新增6章內容，涵蓋時間序列、聚類分析、分類、高級編程、創建包和創建動態報告等，并分別詳細介紹了如何使用ggplot2和lattice進行高級繪圖。通讀本書，你將全面掌握使用r語言進行數據分析、數據挖掘的技巧，領略大量探索和展示數據的圖形功能，并學會如何撰寫動態報告，從而更加高效地進行分析與溝通。
想要成為備受高科技企業追捧的數據分析師嗎？想要科學分析數據并正確決策嗎？不妨從本書開始，挑戰大數據，用r開始炫酷地統計與分析數據吧！
R語言實戰-(第2版) 目錄
**部分 入門
第1章 R語言介紹 3
1.1 為何要使用R 4
1.2 R的獲取和安裝 6
1.3 R的使用 6
1.3.1 新手上路 7
1.3.2 獲取幫助 10
1.3.3 工作空間 10
1.3.4 輸入和輸出 12
1.4 包 13
1.4.1 什么是包 14
1.4.2 包的安裝 14
1.4.3 包的載入 14
1.4.4 包的使用方法 14
1.5 批處理 15
1.6 將輸出用為輸入：結果的重用 16
1.7 處理大數據集 16
1.8 示例實踐 16
1.9 小結 18
第2章 創建數據集 19
2.1 數據集的概念 19
2.2 數據結構 20
2.2.1 向量 21
2.2.2 矩陣 22
2.2.3 數組 23
2.2.4 數據框 24
2.2.5 因子 27
2.2.6 列表 28
2.3 數據的輸入 30
2.3.1 使用鍵盤輸入數據 31
2.3.2 從帶分隔符的文本文件導入數據 32
2.3.3 導入Excel數據 35
2.3.4 導入XML數據 36
2.3.5 從網頁抓取數據 36
2.3.6 導入SPSS數據 36
2.3.7 導入SAS數據 37
2.3.8 導入Stata數據 37
2.3.9 導入NetCDF數據 38
2.3.10 導入HDF5數據 38
2.3.11 訪問數據庫管理系統 38
2.3.12 通過Stat/Transfer導入數據 40
2.4 數據集的標注 40
2.4.1 變量標簽 40
2.4.2 值標簽 41
2.5 處理數據對象的實用函數 41
2.6 小結 42
第3章 圖形初階 43
3.1 使用圖形 43
3.2 一個簡單的例子 45
3.3 圖形參數 46
3.3.1 符號和線條 47
3.3.2 顏色 49
3.3.3 文本屬性 50
3.3.4 圖形尺寸與邊界尺寸 51
3.4 添加文本、自定義坐標軸和圖例 53
3.4.1 標題 54
3.4.2 坐標軸 54
3.4.3 參考線 56
3.4.4 圖例 57
3.4.5 文本標注 58
3.4.6 數學標注 60
3.5 圖形的組合 61
3.6 小結 67
第4章 基本數據管理 68
4.1 一個示例 68
4.2 創建新變量 70
4.3 變量的重編碼 71
4.4 變量的重命名 72
4.5 缺失值 74
4.5.1 重編碼某些值為缺失值 74
4.5.2 在分析中排除缺失值 75
4.6 日期值 76
4.6.1 將日期轉換為字符型變量 77
4.6.2 更進一步 78
4.7 類型轉換 78
4.8 數據排序 79
4.9 數據集的合并 79
4.9.1 向數據框添加列 79
4.9.2 向數據框添加行 80
4.10 數據集取子集 80
4.10.1 選入（保留）變量 80
4.10.2 剔除（丟棄）變量 81
4.10.3 選入觀測 82
4.10.4 subset()函數 82
4.10.5 隨機抽樣 83
4.11 使用SQL語句操作數據框 83
4.12 小結 84
第5章 高級數據管理 85
5.1 一個數據處理難題 85
5.2 數值和字符處理函數 86
5.2.1 數學函數 86
5.2.2 統計函數 87
5.2.3 概率函數 90
5.2.4 字符處理函數 92
5.2.5 其他實用函數 94
5.2.6 將函數應用于矩陣和數據框 95
5.3 數據處理難題的一套解決方案 96
5.4 控制流 100
5.4.1 重復和循環 100
5.4.2 條件執行 101
5.5 用戶自編函數 102
5.6 整合與重構 104
5.6.1 轉置 104
5.6.2 整合數據 105
5.6.3 reshape2包 106
5.7 小結 108
第二部分 基本方法
第6章 基本圖形 110
6.1 條形圖 110
6.1.1 簡單的條形圖 111
6.1.2 堆砌條形圖和分組條形圖 112
6.1.3 均值條形圖 113
6.1.4 條形圖的微調 114
6.1.5 棘狀圖 115
6.2 餅圖 116
6.3 直方圖 118
6.4 核密度圖 120
6.5 箱線圖 122
6.5.1 使用并列箱線圖進行跨組比較 123
6.5.2 小提琴圖 125
6.6 點圖 127
6.7 小結 129
第7章 基本統計分析 130
7.1 描述性統計分析 131
7.1.1 方法云集 131
7.1.2 更多方法 132
7.1.3 分組計算描述性統計量 134
7.1.4 分組計算的擴展 135
7.1.5 結果的可視化 137
7.2 頻數表和列聯表 137
7.2.1 生成頻數表 137
7.2.2 獨立性檢驗 143
7.2.3 相關性的度量 144
7.2.4 結果的可視化 145
7.3 相關 145
7.3.1 相關的類型 145
7.3.2 相關性的顯著性檢驗 147
7.3.3 相關關系的可視化 149
7.4 t 檢驗 149
7.4.1 獨立樣本的t 檢驗 150
7.4.2 非獨立樣本的t檢驗 151
7.4.3 多于兩組的情況 151
7.5 組間差異的非參數檢驗 152
7.5.1 兩組的比較 152
7.5.2 多于兩組的比較 153
7.6 組間差異的可視化 155
7.7 小結 155
第三部分 中級方法
第8章 回歸 158
8.1 回歸的多面性 159
8.1.1 OLS回歸的適用情境 159
8.1.2 基礎回顧 160
8.2 OLS回歸 160
8.2.1 用lm()擬合回歸模型 161
8.2.2 簡單線性回歸 163
8.2.3 多項式回歸 164
8.2.4 多元線性回歸 167
8.2.5 有交互項的多元線性回歸 169
8.3 回歸診斷 171
8.3.1 標準方法 172
8.3.2 改進的方法 175
8.3.3 線性模型假設的綜合驗證 181
8.3.4 多重共線性 181
8.4 異常觀測值 182
8.4.1 離群點 182
8.4.2 高杠桿值點 182
8.4.3 強影響點 184
8.5 改進措施 186
8.5.1 刪除觀測點 186
8.5.2 變量變換 187
8.5.3 增刪變量 188
8.5.4 嘗試其他方法 188
8.6 選擇“*佳”的回歸模型 189
8.6.1 模型比較 189
8.6.2 變量選擇 190
8.7 深層次分析 193
8.7.1 交叉驗證 193
8.7.2 相對重要性 195
8.8 小結 197
第9章 方差分析 198
9.1 術語速成 198
9.2 ANOVA模型擬合 201
9.2.1 aov()函數 201
9.2.2 表達式中各項的順序 202
9.3 單因素方差分析 203
9.3.1 多重比較 204
9.3.2 評估檢驗的假設條件 206
9.4 單因素協方差分析 208
9.4.1 評估檢驗的假設條件 209
9.4.2 結果可視化 210
9.5 雙因素方差分析 211
9.6 重復測量方差分析 214
9.7 多元方差分析 217
9.7.1 評估假設檢驗 218
9.7.2 穩健多元方差分析 220
9.8 用回歸來做ANOVA 220
9.9 小結 222
第10章 功效分析 223
10.1 假設檢驗速覽 223
10.2 用pwr包做功效分析 225
10.2.1 t檢驗 226
10.2.2 方差分析 228
10.2.3 相關性 228
10.2.4 線性模型 229
10.2.5 比例檢驗 230
10.2.6 卡方檢驗 231
10.2.7 在新情況中選擇合適的效應值 232
10.3 繪制功效分析圖形 233
10.4 其他軟件包 235
10.5 小結 236
第11章 中級繪圖 237
11.1 散點圖 238
11.1.1 散點圖矩陣 240
11.1.2 高密度散點圖 242
11.1.3 三維散點圖 244
11.1.4 旋轉三維散點圖 247
11.1.5 氣泡圖 248
11.2 折線圖 250
11.3 相關圖 253
11.4 馬賽克圖 258
11.5 小結 260
第12章 重抽樣與自助法 261
12.1 置換檢驗 261
12.2 用coin包做置換檢驗 263
12.2.1 獨立兩樣本和K 樣本檢驗 264
12.2.2 列聯表中的獨立性 266
12.2.3 數值變量間的獨立性 266
12.2.4 兩樣本和K 樣本相關性檢驗 267
12.2.5 深入探究 267
12.3 lmPerm包的置換檢驗 267
12.3.1 簡單回歸和多項式回歸 268
12.3.2 多元回歸 269
12.3.3 單因素方差分析和協方差分析 270
12.3.4 雙因素方差分析 271
12.4 置換檢驗點評 271
12.5 自助法 272
12.6 boot包中的自助法 272
12.6.1 對單個統計量使用自助法 274
12.6.2 多個統計量的自助法 276
12.7 小結 278
第四部分 高級方法
第13章 廣義線性模型 280
13.1 廣義線性模型和glm()函數 281
13.1.1 glm()函數 281
13.1.2 連用的函數 282
13.1.3 模型擬合和回歸診斷 283
13.2 Logistic回歸 284
13.2.1 解釋模型參數 286
13.2.2 評價預測變量對結果概率的影響 287
13.2.3 過度離勢 288
13.2.4 擴展 289
13.3 泊松回歸 289
13.3.1 解釋模型參數 291
13.3.2 過度離勢 292
13.3.3 擴展 294
13.4 小結 295
第14章 主成分分析和因子分析 296
14.1 R 中的主成分和因子分析 297
14.2 主成分分析 298
14.2.1 判斷主成分的個數 298
14.2.2 提取主成分 300
14.2.3 主成分旋轉 303
14.2.4 獲取主成分得分 304
14.3 探索性因子分析 305
14.3.1 判斷需提取的公共因子數 306
14.3.2 提取公共因子 307
14.3.3 因子旋轉 308
14.3.4 因子得分 312
14.3.5 其他與EFA相關的包 312
14.4 其他潛變量模型 312
14.5 小結 313
第15章 時間序列 315
15.1 在R中生成時序對象 317
15.2 時序的平滑化和季節性分解 319
15.2.1 通過簡單移動平均進行平滑處理 319
15.2.2 季節性分解 321
15.3 指數預測模型 326
15.3.1 單指數平滑 326
15.3.2 Holt指數平滑和Holt-Winters指數平滑 329
15.3.3 ets()函數和自動預測 331
15.4 ARIMA 預測模型 333
15.4.1 概念介紹 333
15.4.2 ARMA和ARIMA模型 334
15.4.3 ARIMA的自動預測 339
15.5 延伸閱讀 340
15.6 小結 340
第16章 聚類分析 342
16.1 聚類分析的一般步驟 343
16.2 計算距離 344
16.3 層次聚類分析 345
16.4 劃分聚類分析 350
16.4.1 K均值聚類 350
16.4.2 圍繞中心點的劃分 354
16.5 避免不存在的類 356
16.6 小結 359
第17章 分類 360
17.1 數據準備 361
17.2 邏輯回歸 362
17.3 決策樹 363
17.3.1 經典決策樹 364
17.3.2 條件推斷樹 366
17.4 隨機森林 368
17.5 支持向量機 370
17.6 選擇預測效果*好的解 374
17.7 用rattle包進行數據挖掘 376
17.8 小結 381
第18章 處理缺失數據的高級方法 382
18.1 處理缺失值的步驟 383
18.2 識別缺失值 384
18.3 探索缺失值模式 385
18.3.1 列表顯示缺失值 385
18.3.2 圖形探究缺失數據 386
18.3.3 用相關性探索缺失值 389
18.4 理解缺失數據的來由和影響 391
18.5 理性處理不完整數據 391
18.6 完整實例分析（行刪除） 392
18.7 多重插補 394
18.8 處理缺失值的其他方法 397
18.8.1 成對刪除 398
18.8.2 簡單（非隨機）插補 398
18.9 小結 399
第五部分 技能拓展
第19章 使用ggplot2進行高級繪圖 402
19.1 R 中的四種圖形系統 402
19.2 ggplot2包介紹 403
19.3 用幾何函數指定圖的類型 407
19.4 分組 411
19.5 刻面 413
19.6 添加光滑曲線 416
19.7 修改ggplot2圖形的外觀 418
19.7.1 坐標軸 419
19.7.2 圖例 420
19.7.3 標尺 421
19.7.4 主題 423
19.7.5 多重圖 425
19.8 保存圖形 426
19.9 小結 426
第20章 高級編程 427
20.1 R 語言回顧 427
20.1.1 數據類型 427
20.1.2 控制結構 433
20.1.3 創建函數 436
20.2 環境 437
20.3 面向對象的編程 439
20.3.1 泛型函數 439
20.3.2 S3模型的限制 441
20.4 編寫有效的代碼 442
20.5 調試 445
20.5.1 常見的錯誤來源 445
20.5.2 調試工具 446
20.5.3 支持調試的會話選項 448
20.6 深入學習 451
20.7 小結 451
第21章 創建包 452
21.1 非參分析和npar包 453
21.2 開發包 457
21.2.1 計算統計量 457
21.2.2 打印結果 460
21.2.3 匯總結果 461
21.2.4 繪制結果 463
21.2.5 添加樣本數據到包 464
21.3 創建包的文檔 466
21.4 建立包 467
21.5 深入學習 471
21.6 小結 471
第22章 創建動態報告 472
22.1 用模版生成報告 474
22.2 用R和Markdown創建動態報告 475
22.3 用R和LaTeX創建動態報告 480
22.4 用R和Open Document創建動態報告 483
22.5 用R和Microsoft Word創建動態報告 485
22.6 小結 489
第23章 使用lattice進行高級繪圖 490
23.1 lattice包 490
23.2 調節變量 494
23.3 面板函數 495
23.4 分組變量 498
23.5 圖形參數 502
23.6 自定義圖形條帶 503
23.7 頁面布局 504
23.8 深入學習 507
附錄A 圖形用戶界面 508
附錄B 自定義啟動環境 511
附錄C 從R中導出數據 513
附錄D R中的矩陣運算 515
附錄E 本書中用到的擴展包 517
附錄F 處理大數據集 522
附錄G 更新R 526
后記：探索R的世界 528
參考文獻 530
第1章 R語言介紹 3
1.1 為何要使用R 4
1.2 R的獲取和安裝 6
1.3 R的使用 6
1.3.1 新手上路 7
1.3.2 獲取幫助 10
1.3.3 工作空間 10
1.3.4 輸入和輸出 12
1.4 包 13
1.4.1 什么是包 14
1.4.2 包的安裝 14
1.4.3 包的載入 14
1.4.4 包的使用方法 14
1.5 批處理 15
1.6 將輸出用為輸入：結果的重用 16
1.7 處理大數據集 16
1.8 示例實踐 16
1.9 小結 18
第2章 創建數據集 19
2.1 數據集的概念 19
2.2 數據結構 20
2.2.1 向量 21
2.2.2 矩陣 22
2.2.3 數組 23
2.2.4 數據框 24
2.2.5 因子 27
2.2.6 列表 28
2.3 數據的輸入 30
2.3.1 使用鍵盤輸入數據 31
2.3.2 從帶分隔符的文本文件導入數據 32
2.3.3 導入Excel數據 35
2.3.4 導入XML數據 36
2.3.5 從網頁抓取數據 36
2.3.6 導入SPSS數據 36
2.3.7 導入SAS數據 37
2.3.8 導入Stata數據 37
2.3.9 導入NetCDF數據 38
2.3.10 導入HDF5數據 38
2.3.11 訪問數據庫管理系統 38
2.3.12 通過Stat/Transfer導入數據 40
2.4 數據集的標注 40
2.4.1 變量標簽 40
2.4.2 值標簽 41
2.5 處理數據對象的實用函數 41
2.6 小結 42
第3章 圖形初階 43
3.1 使用圖形 43
3.2 一個簡單的例子 45
3.3 圖形參數 46
3.3.1 符號和線條 47
3.3.2 顏色 49
3.3.3 文本屬性 50
3.3.4 圖形尺寸與邊界尺寸 51
3.4 添加文本、自定義坐標軸和圖例 53
3.4.1 標題 54
3.4.2 坐標軸 54
3.4.3 參考線 56
3.4.4 圖例 57
3.4.5 文本標注 58
3.4.6 數學標注 60
3.5 圖形的組合 61
3.6 小結 67
第4章 基本數據管理 68
4.1 一個示例 68
4.2 創建新變量 70
4.3 變量的重編碼 71
4.4 變量的重命名 72
4.5 缺失值 74
4.5.1 重編碼某些值為缺失值 74
4.5.2 在分析中排除缺失值 75
4.6 日期值 76
4.6.1 將日期轉換為字符型變量 77
4.6.2 更進一步 78
4.7 類型轉換 78
4.8 數據排序 79
4.9 數據集的合并 79
4.9.1 向數據框添加列 79
4.9.2 向數據框添加行 80
4.10 數據集取子集 80
4.10.1 選入（保留）變量 80
4.10.2 剔除（丟棄）變量 81
4.10.3 選入觀測 82
4.10.4 subset()函數 82
4.10.5 隨機抽樣 83
4.11 使用SQL語句操作數據框 83
4.12 小結 84
第5章 高級數據管理 85
5.1 一個數據處理難題 85
5.2 數值和字符處理函數 86
5.2.1 數學函數 86
5.2.2 統計函數 87
5.2.3 概率函數 90
5.2.4 字符處理函數 92
5.2.5 其他實用函數 94
5.2.6 將函數應用于矩陣和數據框 95
5.3 數據處理難題的一套解決方案 96
5.4 控制流 100
5.4.1 重復和循環 100
5.4.2 條件執行 101
5.5 用戶自編函數 102
5.6 整合與重構 104
5.6.1 轉置 104
5.6.2 整合數據 105
5.6.3 reshape2包 106
5.7 小結 108
第二部分 基本方法
第6章 基本圖形 110
6.1 條形圖 110
6.1.1 簡單的條形圖 111
6.1.2 堆砌條形圖和分組條形圖 112
6.1.3 均值條形圖 113
6.1.4 條形圖的微調 114
6.1.5 棘狀圖 115
6.2 餅圖 116
6.3 直方圖 118
6.4 核密度圖 120
6.5 箱線圖 122
6.5.1 使用并列箱線圖進行跨組比較 123
6.5.2 小提琴圖 125
6.6 點圖 127
6.7 小結 129
第7章 基本統計分析 130
7.1 描述性統計分析 131
7.1.1 方法云集 131
7.1.2 更多方法 132
7.1.3 分組計算描述性統計量 134
7.1.4 分組計算的擴展 135
7.1.5 結果的可視化 137
7.2 頻數表和列聯表 137
7.2.1 生成頻數表 137
7.2.2 獨立性檢驗 143
7.2.3 相關性的度量 144
7.2.4 結果的可視化 145
7.3 相關 145
7.3.1 相關的類型 145
7.3.2 相關性的顯著性檢驗 147
7.3.3 相關關系的可視化 149
7.4 t 檢驗 149
7.4.1 獨立樣本的t 檢驗 150
7.4.2 非獨立樣本的t檢驗 151
7.4.3 多于兩組的情況 151
7.5 組間差異的非參數檢驗 152
7.5.1 兩組的比較 152
7.5.2 多于兩組的比較 153
7.6 組間差異的可視化 155
7.7 小結 155
第三部分 中級方法
第8章 回歸 158
8.1 回歸的多面性 159
8.1.1 OLS回歸的適用情境 159
8.1.2 基礎回顧 160
8.2 OLS回歸 160
8.2.1 用lm()擬合回歸模型 161
8.2.2 簡單線性回歸 163
8.2.3 多項式回歸 164
8.2.4 多元線性回歸 167
8.2.5 有交互項的多元線性回歸 169
8.3 回歸診斷 171
8.3.1 標準方法 172
8.3.2 改進的方法 175
8.3.3 線性模型假設的綜合驗證 181
8.3.4 多重共線性 181
8.4 異常觀測值 182
8.4.1 離群點 182
8.4.2 高杠桿值點 182
8.4.3 強影響點 184
8.5 改進措施 186
8.5.1 刪除觀測點 186
8.5.2 變量變換 187
8.5.3 增刪變量 188
8.5.4 嘗試其他方法 188
8.6 選擇“*佳”的回歸模型 189
8.6.1 模型比較 189
8.6.2 變量選擇 190
8.7 深層次分析 193
8.7.1 交叉驗證 193
8.7.2 相對重要性 195
8.8 小結 197
第9章 方差分析 198
9.1 術語速成 198
9.2 ANOVA模型擬合 201
9.2.1 aov()函數 201
9.2.2 表達式中各項的順序 202
9.3 單因素方差分析 203
9.3.1 多重比較 204
9.3.2 評估檢驗的假設條件 206
9.4 單因素協方差分析 208
9.4.1 評估檢驗的假設條件 209
9.4.2 結果可視化 210
9.5 雙因素方差分析 211
9.6 重復測量方差分析 214
9.7 多元方差分析 217
9.7.1 評估假設檢驗 218
9.7.2 穩健多元方差分析 220
9.8 用回歸來做ANOVA 220
9.9 小結 222
第10章 功效分析 223
10.1 假設檢驗速覽 223
10.2 用pwr包做功效分析 225
10.2.1 t檢驗 226
10.2.2 方差分析 228
10.2.3 相關性 228
10.2.4 線性模型 229
10.2.5 比例檢驗 230
10.2.6 卡方檢驗 231
10.2.7 在新情況中選擇合適的效應值 232
10.3 繪制功效分析圖形 233
10.4 其他軟件包 235
10.5 小結 236
第11章 中級繪圖 237
11.1 散點圖 238
11.1.1 散點圖矩陣 240
11.1.2 高密度散點圖 242
11.1.3 三維散點圖 244
11.1.4 旋轉三維散點圖 247
11.1.5 氣泡圖 248
11.2 折線圖 250
11.3 相關圖 253
11.4 馬賽克圖 258
11.5 小結 260
第12章 重抽樣與自助法 261
12.1 置換檢驗 261
12.2 用coin包做置換檢驗 263
12.2.1 獨立兩樣本和K 樣本檢驗 264
12.2.2 列聯表中的獨立性 266
12.2.3 數值變量間的獨立性 266
12.2.4 兩樣本和K 樣本相關性檢驗 267
12.2.5 深入探究 267
12.3 lmPerm包的置換檢驗 267
12.3.1 簡單回歸和多項式回歸 268
12.3.2 多元回歸 269
12.3.3 單因素方差分析和協方差分析 270
12.3.4 雙因素方差分析 271
12.4 置換檢驗點評 271
12.5 自助法 272
12.6 boot包中的自助法 272
12.6.1 對單個統計量使用自助法 274
12.6.2 多個統計量的自助法 276
12.7 小結 278
第四部分 高級方法
第13章 廣義線性模型 280
13.1 廣義線性模型和glm()函數 281
13.1.1 glm()函數 281
13.1.2 連用的函數 282
13.1.3 模型擬合和回歸診斷 283
13.2 Logistic回歸 284
13.2.1 解釋模型參數 286
13.2.2 評價預測變量對結果概率的影響 287
13.2.3 過度離勢 288
13.2.4 擴展 289
13.3 泊松回歸 289
13.3.1 解釋模型參數 291
13.3.2 過度離勢 292
13.3.3 擴展 294
13.4 小結 295
第14章 主成分分析和因子分析 296
14.1 R 中的主成分和因子分析 297
14.2 主成分分析 298
14.2.1 判斷主成分的個數 298
14.2.2 提取主成分 300
14.2.3 主成分旋轉 303
14.2.4 獲取主成分得分 304
14.3 探索性因子分析 305
14.3.1 判斷需提取的公共因子數 306
14.3.2 提取公共因子 307
14.3.3 因子旋轉 308
14.3.4 因子得分 312
14.3.5 其他與EFA相關的包 312
14.4 其他潛變量模型 312
14.5 小結 313
第15章 時間序列 315
15.1 在R中生成時序對象 317
15.2 時序的平滑化和季節性分解 319
15.2.1 通過簡單移動平均進行平滑處理 319
15.2.2 季節性分解 321
15.3 指數預測模型 326
15.3.1 單指數平滑 326
15.3.2 Holt指數平滑和Holt-Winters指數平滑 329
15.3.3 ets()函數和自動預測 331
15.4 ARIMA 預測模型 333
15.4.1 概念介紹 333
15.4.2 ARMA和ARIMA模型 334
15.4.3 ARIMA的自動預測 339
15.5 延伸閱讀 340
15.6 小結 340
第16章 聚類分析 342
16.1 聚類分析的一般步驟 343
16.2 計算距離 344
16.3 層次聚類分析 345
16.4 劃分聚類分析 350
16.4.1 K均值聚類 350
16.4.2 圍繞中心點的劃分 354
16.5 避免不存在的類 356
16.6 小結 359
第17章 分類 360
17.1 數據準備 361
17.2 邏輯回歸 362
17.3 決策樹 363
17.3.1 經典決策樹 364
17.3.2 條件推斷樹 366
17.4 隨機森林 368
17.5 支持向量機 370
17.6 選擇預測效果*好的解 374
17.7 用rattle包進行數據挖掘 376
17.8 小結 381
第18章 處理缺失數據的高級方法 382
18.1 處理缺失值的步驟 383
18.2 識別缺失值 384
18.3 探索缺失值模式 385
18.3.1 列表顯示缺失值 385
18.3.2 圖形探究缺失數據 386
18.3.3 用相關性探索缺失值 389
18.4 理解缺失數據的來由和影響 391
18.5 理性處理不完整數據 391
18.6 完整實例分析（行刪除） 392
18.7 多重插補 394
18.8 處理缺失值的其他方法 397
18.8.1 成對刪除 398
18.8.2 簡單（非隨機）插補 398
18.9 小結 399
第五部分 技能拓展
第19章 使用ggplot2進行高級繪圖 402
19.1 R 中的四種圖形系統 402
19.2 ggplot2包介紹 403
19.3 用幾何函數指定圖的類型 407
19.4 分組 411
19.5 刻面 413
19.6 添加光滑曲線 416
19.7 修改ggplot2圖形的外觀 418
19.7.1 坐標軸 419
19.7.2 圖例 420
19.7.3 標尺 421
19.7.4 主題 423
19.7.5 多重圖 425
19.8 保存圖形 426
19.9 小結 426
第20章 高級編程 427
20.1 R 語言回顧 427
20.1.1 數據類型 427
20.1.2 控制結構 433
20.1.3 創建函數 436
20.2 環境 437
20.3 面向對象的編程 439
20.3.1 泛型函數 439
20.3.2 S3模型的限制 441
20.4 編寫有效的代碼 442
20.5 調試 445
20.5.1 常見的錯誤來源 445
20.5.2 調試工具 446
20.5.3 支持調試的會話選項 448
20.6 深入學習 451
20.7 小結 451
第21章 創建包 452
21.1 非參分析和npar包 453
21.2 開發包 457
21.2.1 計算統計量 457
21.2.2 打印結果 460
21.2.3 匯總結果 461
21.2.4 繪制結果 463
21.2.5 添加樣本數據到包 464
21.3 創建包的文檔 466
21.4 建立包 467
21.5 深入學習 471
21.6 小結 471
第22章 創建動態報告 472
22.1 用模版生成報告 474
22.2 用R和Markdown創建動態報告 475
22.3 用R和LaTeX創建動態報告 480
22.4 用R和Open Document創建動態報告 483
22.5 用R和Microsoft Word創建動態報告 485
22.6 小結 489
第23章 使用lattice進行高級繪圖 490
23.1 lattice包 490
23.2 調節變量 494
23.3 面板函數 495
23.4 分組變量 498
23.5 圖形參數 502
23.6 自定義圖形條帶 503
23.7 頁面布局 504
23.8 深入學習 507
附錄A 圖形用戶界面 508
附錄B 自定義啟動環境 511
附錄C 從R中導出數據 513
附錄D R中的矩陣運算 515
附錄E 本書中用到的擴展包 517
附錄F 處理大數據集 522
附錄G 更新R 526
后記：探索R的世界 528
參考文獻 530
展開全部
R語言實戰-(第2版) 相關資料
“對于所有使用r語言進行數據分析的人來講，本書都是必不可少的，不論用于業內實踐還是學術研究。”——cristofer weber，neogrid軟件架構師
“一般r語言問題與許多統計學問題的首選參考。”——george gaines，kyos systems公司首席運營官
“語言易懂，示例真實，代碼清晰。”——samuel d. mcquillin，休斯頓大學心理學院助理教授
“為r語言初學者提供了柔和的學習曲線。”——indrajit sen gupta, 就職于mu sigma數據分析公司
R語言實戰-(第2版) 作者簡介
Robert I. Kabacoff
R語言社區著名學習網站Quick-R的維護者，現為全球化開發與咨詢公司Management研究集團研發副總裁。此前，Kabacoff博士是佛羅里達諾瓦東南大學的教授，講授定量方法和統計編程的研究生課程。Kabacoff還是臨床心理學博士、統計顧問，擅長數據分析，在健康、金融服務、制造業、行為科學、政府和學術界有20余年的研究和統計咨詢經驗。
譯者簡介：
王小寧
中國人民大學統計學院14級碩士，16級博士，統計之都副主編，中國人民大學數據挖掘中心分布式計算負責人，研究興趣包括統計機器學習和缺失數據。
劉擷芯
中國人民大學統計學院13級碩士，愛荷華大學商學院16級博士，中國人民大學數據挖掘中心核心成員之一，研究興趣包括統計機器學習和文本分析。
黃俊文
2014年畢業于中山大學數學系，2016年畢業于加州大學圣地亞哥分校統計學專業，統計之都成員，易易網創始人之一，目前關注計算機科學和統計學的結合與應用，包括機器學習方法等。他致力于成為一個有趣的人。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
我從未如此眷戀人間
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
回憶愛瑪儂
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
龍榆生：詞曲概論/大家小書
- >
山海經
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
