數據分析與R

第1章 數據分析基礎
1.1 統(tǒng)計基礎
1.1.1 概率與統(tǒng)計
1.1.2 統(tǒng)計量與分布
1.1.3 參數估計
1.1.4 假設檢驗
1.2 軟件與開發(fā)工具介紹
1.2.1 數據庫軟件
1.2.2 計算軟件
1.2.3 開發(fā)軟件
第2章 數據預處理
2.1 數據獲取
2.2 數據預處理過程
2.3 數據清洗
2.3.1 缺失值處理
2.3.2 重復值處理
2.4 數據集成
2.5 數據變換
2.6 數據規(guī)約
第3章 R使用入門
3.1 R的獲取和安裝
3.2 R的使用
3.3 R的包
3.4 R的數據對象與數據操作
3.5 R數據的導入與導出
3.6 R的條件控制與循環(huán)
3.7 R數據預處理
3.8 R的概率分布
第4章 R圖形分析
4.1 初始化圖形
4.1.1 圖形的建立與保存
4.1.2 圖形的組合
4.1.3 一個實例
4.2 高級繪圖命令
4.3 低級繪圖命令
4.4 繪圖參數
4.4.1 顏色
4.4.2 文本屬性
4.4.3 符號和線條
4.4.4 標題
4.4.5 圖例
4.4.6 坐標軸
4.5 圖形庫
4.5.1 直方圖
4.5.2 條形圖
4.5.3 散點圖
4.5.4 餅圖
4.5.5 箱線圖
4.5.6 矩陣圖
4.5.7 馬賽克圖
4.5.8 熱圖
4.5.9 QQ圖
4.5.10 平行坐標圖
第5章 方差分析
5.1 方差分析的基本過程
5.1.1 單因素方差分析
5.1.2 雙因素方差分析
5.2 方差分析的R實現
5.2.1 單因素方差分析R實現
5.2.2 雙因素方差分析
5.3 多因素方差分析的R實現
第6章 回歸分析
6.1 線性回歸模型
6.2 線性回歸模型的統(tǒng)計分析
6.3 線性回歸分析在R中的實現
6.4 Logistic回歸原理
6.5 Logistic模型的求解
6.6 Logistic回歸模型的評價和檢驗
6.7 多Logistic回歸的分類與應用
6.8 逐步Logistic回歸分析
6.9 Logistic回歸的R實踐
第7章 聚類與分類分析
7.1 聚類分析
7.2 聚類中的距離度量
7.2.1 連續(xù)性數值變量的距離度量方法
7.2.2 離散型屬性變量的距離度量方法
7.2.3 R距離度量的實現
7.3 層次聚類法
7.3.1 凝聚式聚類
7.3.2 層次聚類R實現
7.4 K一均值聚類
7.5 數據分類
7.5.1 決策樹方法
7.5.2 貝葉斯分類
7.5.3 SVM方法
7.5.4 KNN分類
第8章 EM算法和MCMC方法
8.1 EM算法
8.1.1 初識EM算法
8.1.2 EM算法簡述
8.1.3 經典例題
8.1.4 兩個重要的定理
8.2 MCMC方法
8.2.1 初識MCMC方法
8.2.2 Metropolis-Hastings方法
8.2.3 Gibbs Sampling方法