數(shù)據(jù)分析與挖掘（R語言）

定　價：￥52.00

作　者：	蔡銀英
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787121415388	出版時間：	2021-07-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：	200	字?jǐn)?shù)：

內(nèi)容簡介

　　本書以R語言簡介、數(shù)據(jù)挖掘基礎(chǔ)為開篇，旨在讓讀者對所用工具及數(shù)據(jù)挖掘方法有所了解。隨后的章節(jié)借助實(shí)際案例（數(shù)據(jù)挖掘網(wǎng)站用戶行為分析及網(wǎng)頁智能推薦、生活服務(wù)點(diǎn)評網(wǎng)站客戶分群、水冷中央空調(diào)系統(tǒng)的優(yōu)化控制策略、電商評價文本的主題特征詞分析、均線投資策略等），從數(shù)據(jù)預(yù)處理、模型選擇、算法介紹、R語言實(shí)現(xiàn)、結(jié)論分析及評價等方面進(jìn)行詳盡的論述，希望讀者既可以了解數(shù)據(jù)分析與挖掘的一般流程及方法，又能對常用的算法及模型有所了解。每個案例分析都是一篇完整的論文，初學(xué)者通過它們可以了解數(shù)據(jù)分析與挖掘的一般流程及方法，有一定基礎(chǔ)的讀者可以思考算法的優(yōu)劣與選擇。不管是對數(shù)據(jù)分析與挖掘感興趣的入門者，還是希望獲得實(shí)踐經(jīng)驗(yàn)的初學(xué)者，都可以從本書中獲得支持。

作者簡介

　　蔡銀英，女，副教授，就職于重慶第二師范學(xué)院，主持市級重點(diǎn)項(xiàng)目一項(xiàng)，主研市級項(xiàng)目四項(xiàng)，主要負(fù)責(zé)數(shù)據(jù)分析，模型構(gòu)建相關(guān)的工作。

圖書目錄

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(xué)運(yùn)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(xiàn)\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(yù)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(yù)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(xiàn)\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(biāo)\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(yù)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(yù)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(xiàn)\t79
第4章生活服務(wù)點(diǎn)評網(wǎng)站客戶分群\t80
4．1 背景與挖掘目標(biāo)\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(yù)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(biāo)\t114
5．2 分析的方法及流程\t115
5．3 數(shù)據(jù)預(yù)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(fù)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(xiàn)\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(biāo)\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(yù)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(xiàn)\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(shí)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(shí)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(xiàn)\t191
致謝\t192