數(shù)據(jù)分析與挖掘（R語言）

第1章 R語言簡介\t1
1．1 獲取R\t1
1．2 R使用入門\t4
1．2．1 R操作界面\t4
1．2．2 RStudio窗口介紹\t5
1．2．3 R的常用操作\t6
1．3 R的簡單操作\t8
1．3．1 基本數(shù)學運算\t8
1．3．2 變量\t8
1．3．3 數(shù)據(jù)結(jié)構(gòu)\t9
1．4 R數(shù)據(jù)分析包\t12
1．5 小結(jié)\t12
參考文獻\t13
第2章 數(shù)據(jù)挖掘基礎(chǔ)\t14
2．1 數(shù)據(jù)挖掘的定義\t14
2．2 數(shù)據(jù)探索及預處理\t15
2．2．1 臟數(shù)據(jù)分析\t15
2．2．2 數(shù)據(jù)特征分析\t19
2．2．3 數(shù)據(jù)預處理\t23
2．3 模型簡介\t27
2．3．1 聚類模型\t27
2．3．2 回歸模型\t31
2．3．3 決策樹\t34
2．3．4 人工神經(jīng)網(wǎng)絡(luò)\t35
2．3．5 關(guān)聯(lián)規(guī)則分析模型\t38
2．4 小結(jié)\t42
參考文獻\t42
第3章 數(shù)據(jù)挖掘網(wǎng)站用戶行為分析及網(wǎng)頁智能推薦\t44
3．1 背景與挖掘目標\t44
3．2 用戶分群\t47
3．2．1 用戶分群的分析方法\t47
3．2．2 數(shù)據(jù)的抽取\t48
3．2．3 數(shù)據(jù)的預處理與探索分析\t49
3．2．4 用戶分群結(jié)果\t57
3．2．5 用戶分群的應(yīng)用\t66
3．3 網(wǎng)頁智能推薦\t66
3．3．1 網(wǎng)頁智能推薦的分析方法\t66
3．3．2 數(shù)據(jù)的預處理\t67
3．3．3 組合推薦模型\t68
3．3．4 組合推薦結(jié)果\t78
3．4 總結(jié)\t78
3．4．1 相關(guān)結(jié)論及應(yīng)用\t78
3．4．2 相關(guān)的問題思考\t78
參考文獻\t79
第4章 生活服務(wù)點評網(wǎng)站客戶分群\t80
4．1 背景與挖掘目標\t80
4．2 分析方法與過程\t81
4．2．1 數(shù)據(jù)抽取\t82
4．2．2 數(shù)據(jù)探索\t82
4．2．3 數(shù)據(jù)預處理\t94
4．2．4 模型構(gòu)建\t102
4．3 小結(jié)\t113
第5章 水冷中央空調(diào)系統(tǒng)的優(yōu)化控制策略\t114
5．1 背景及挖掘目標\t114
5．2 分析的方法及流程\t115
5．3 數(shù)據(jù)預處理\t118
5．3．1 變量選取\t118
5．3．2 數(shù)據(jù)探索\t120
5．3．3 數(shù)據(jù)變換\t130
5．4 優(yōu)化控制模型\t131
5．4．1 總耗電量與可控變量\t132
5．4．2 冷卻負載與可控變量\t140
5．5 模型求解\t144
5．5．1 工作日模型求解\t144
5．5．2 確定狀態(tài)值\t148
5．6 總結(jié)\t155
參考文獻\t156
第6章 電商評價文本的主題特征詞分析\t157
6．1 背景與挖掘目標\t157
6．2 分析的方法及過程\t158
6．2．1 評論數(shù)據(jù)采集\t159
6．2．2 文本數(shù)據(jù)預處理\t161
6．2．3 基于LDA主題模型的特征詞分析\t167
6．3 小結(jié)\t169
參考文獻\t169
第7章 均線投資策略\t171
7．1 背景及投資策略介紹\t171
7．1．1 移動平均線相關(guān)理論介紹\t172
7．1．2 名詞及概念介紹\t175
7．2 基于移動平均線的投資策略\t176
7．2．1 單均線投資策略\t177
7．2．2 雙均線投資策略\t177
7．3 雙均線投資策略實際應(yīng)用\t178
7．3．1 雙均線投資策略總體流程\t178
7．3．2 數(shù)據(jù)獲取\t178
7．3．3 簡單的K線圖實現(xiàn)\t179
7．3．4 均線模型\t180
7．3．5 其他雙均線策略的收益\t188
7．4 主要結(jié)論及展望\t189
7．4．1 結(jié)論\t189
7．4．2 后續(xù)策略的展望\t190
參考文獻\t191
致謝\t192