機器學習與R語言實戰(zhàn)

目　　錄　Contents

譯者序

前言

作者簡介

審校者簡介

第1章　基于R實踐機器學習 1

1.1　簡介 1

1.2　下載和安裝R 3

1.3　下載和安裝RStudio 10

1.4　包的安裝和加載 13

1.5　數(shù)據(jù)讀寫 15

1.6　使用R實現(xiàn)數(shù)據(jù)操作 18

1.7　應用簡單統(tǒng)計 22

1.8　數(shù)據(jù)可視化 25

1.9　獲取用于機器學習的數(shù)據(jù)集 28

第2章　挖掘RMS Titanic數(shù)據(jù)集 32

2.1　簡介 32

2.2　從CSV文件中讀取Titanic數(shù)據(jù)集 33

2.3　根據(jù)數(shù)據(jù)類型進行轉(zhuǎn)換 36

2.4　檢測缺失值 38

2.5　插補缺失值 40

2.6　識別和可視化數(shù)據(jù) 43

2.7　基于決策樹預測獲救乘客 50

2.8　基于混淆矩陣驗證預測結(jié)果的準確性 53

2.9　使用ROC曲線評估性能 55

第3章　R和統(tǒng)計 58

3.1　簡介 58

3.2　理解R中的數(shù)據(jù)采樣 59

3.3　在R中控制概率分布 59

3.4　在R中進行一元描述統(tǒng)計 64

3.5　在R中進行多元相關(guān)分析 67

3.6　進行多元線性回歸分析 69

3.7　執(zhí)行二項分布檢驗 71

3.8　執(zhí)行t檢驗 73

3.9　執(zhí)行Kolmogorov-Smirnov檢驗 76

3.10　理解Wilcoxon秩和檢驗及Wilcoxon符號秩檢驗 78

3.11　實施皮爾森卡方檢驗 80

3.12　進行單因素方差分析 82

3.13　進行雙因素方差分析 85

第4章　理解回歸分析 90

4.1　簡介 90

4.2　調(diào)用lm函數(shù)構(gòu)建線性回歸模型 90

4.3　輸出線性模型的特征信息 93

4.4　使用線性回歸模型預測未知值 94

4.5　生成模型的診斷圖 96

4.6　利用lm函數(shù)生成多項式回歸模型 98

4.7　調(diào)用rlm函數(shù)生成穩(wěn)健線性回歸模型 99

4.8　在SLID數(shù)據(jù)集上研究線性回歸案例 101

4.9　基于高斯模型的廣義線性回歸 107

4.10　基于泊松模型的廣義線性回歸 109

4.11　基于二項模型的廣義線性回歸 111

4.12　利用廣義加性模型處理數(shù)據(jù) 112

4.13　可視化廣義加性模型 114

4.14　診斷廣義加性模型 116

第5章　分類I——樹、延遲和概率 119

5.1　簡介 119

5.2　準備訓練和測試數(shù)據(jù)集 119

5.3　使用遞歸分割樹建立分類模型 121

5.4　遞歸分割樹可視化 124

5.5　評測遞歸分割樹的預測能力 126

5.6　遞歸分割樹剪枝 128

5.7　使用條件推理樹建立分類模型 130

5.8　條件推理樹可視化 131

5.9　評測條件推理樹的預測能力 132

5.10　使用k近鄰分類算法 134

5.11　使用邏輯回歸分類算法 137

5.12　使用樸素貝葉斯分類算法 142

第6章　分類II—神經(jīng)網(wǎng)絡(luò)和SVM 146

6.1　簡介 146

6.2　使用支持向量機完成數(shù)據(jù)分類 147

6.3　選擇支持向量機的懲罰因子 149

6.4　實現(xiàn)SVM模型的可視化 152

6.5　基于支持向量機訓練模型實現(xiàn)類預測 154

6.6　調(diào)整支持向量機 157

6.7　利用neuralnet包訓練神經(jīng)網(wǎng)絡(luò)模型 161

6.8　可視化由neuralnet包得到的神經(jīng)網(wǎng)絡(luò)模型 164

6.9　基于neuralnet包得到的模型實現(xiàn)類標號預測 166

6.10　利用nnet包訓練神經(jīng)網(wǎng)絡(luò)模型 168

6.11　基于nnet包得到的模型實現(xiàn)類標號預測 170

第7章　模型評估 173

7.1　簡介 173

7.2　基于k折交叉驗證方法評測模型性能 173

7.3　利用e1071包完成交叉驗證 175

7.4　利用caret包完成交叉檢驗 176

7.5　利用caret包對變量重要程度排序 177

7.6　利用rminer包對變量重要程度排序 180

7.7　利用caret包找到高度關(guān)聯(lián)的特征 181

7.8　利用caret包選擇特征 182

7.9　評測回歸模型的性能 187

7.10　利用混淆矩陣評測模型的預測能力 189

7.11　利用ROCR評測模型的預測能力 191

7.12　利用caret包比較ROC曲線 193

7.13　利用caret包比較模型性能差異 196

第8章　集成學習 199

8.1　簡介 199

8.2　使用bagging方法對數(shù)據(jù)分類 200

8.3　基于bagging方法進行交叉驗證 203

8.4　使用boosting方法對數(shù)據(jù)分類 204

8.5　基于boosting方法進行交叉驗證 207

8.6　使用gradient boosting方法對數(shù)據(jù)分類 208

8.7　計算分類器邊緣 213

8.8　計算集成分類算法的誤差演變 216

8.9　使用隨機森林方法對數(shù)據(jù)分類 218

8.10　估算不同分類器的預測誤差 223

第9章　聚類 226

9.1　簡介 226

9.2　使用層次聚類處理數(shù)據(jù) 227

9.3　將樹分成簇 231

9.4　使用k均值方法處理數(shù)據(jù) 234

9.5　繪制二元聚類圖 237

9.6　聚類算法比較 239

9.7　從簇中抽取輪廓信息 241

9.8　獲得優(yōu)化的k均值聚類 242

9.9　使用密度聚類方法處理數(shù)據(jù) 244

9.10　使用基于模型的聚類方法處理數(shù)據(jù) 248

9.11　相異度矩陣的可視化 251

9.12　使用外部驗證評估聚類效果 253

第10章　關(guān)聯(lián)分析和序列挖掘 256

10.1　簡介 256

10.2　將數(shù)據(jù)轉(zhuǎn)換成事務數(shù)據(jù) 257

10.3　展示事務及關(guān)聯(lián) 258

10.4　使用Apriori規(guī)則完成關(guān)聯(lián)挖掘 261

10.5　去掉冗余規(guī)則 266

10.6　關(guān)聯(lián)規(guī)則的可視化 267

10.7　使用Eclat挖掘頻繁項集 270

10.8　生成時態(tài)事務數(shù)據(jù) 273

10.9　使用cSPADE挖掘頻繁時序模式 276

第11章　降維 279

11.1　簡介 279

11.2　使用FSelector完成特征篩選 280

11.3　使用PCA進行降維 283

11.4　使用scree測試確定主成分數(shù) 287

11.5　使用Kaiser方法確定主成分數(shù) 289

11.6　使用主成分分析散點圖可視化多元變量 290

11.7　使用MDS進行降維 293

11.8　使用SVD進行降維 297

11.9　使用SVD進行圖像壓縮 299

11.10　使用ISOMAP進行非線性降維 302

11.11　使用局部線性嵌入法進行非線性降維 306

第12章　大數(shù)據(jù)分析（R和Hadoop） 310

12.1　簡介 310

12.2　準備RHadoop環(huán)境 311

12.3　安裝rmr2 314

12.4　安裝rhdfs 315

12.5　在rhdfs中操作HDFS 316

12.6　在RHadoop中解決單詞計數(shù)問題 318

12.7　比較R MapReduce程序和標準R程序的性能差別 320

12.8　測試和調(diào)試rmr2程序 321

12.9　安裝plyrmr 323

12.10　使用plyrmr處理數(shù)據(jù) 324

12.11　在RHadoop中實施機器學習 327

12.12　在Amazon EMR環(huán)境中配置RHadoop機群 330

附錄A　R和機器學習的資源 335

附錄B　Titanic幸存者的數(shù)據(jù)集 337