数据挖掘与R语言

本书首先简要介绍了R软件的基础知识（安装、R数据结构、R编程、R的输入和输出等）。然后通过四个数据挖掘的实际案例（藻类频率的预测、证券趋势预测和交易系统仿真、交易欺诈预测、微阵列数据分类）介绍数据挖掘技术。这四个案例基本覆盖了常见的数据挖掘技术，从无监督的数据挖掘技术、有监督的数据挖掘技术到半监督的数据挖掘技术。全书以实际问题、解决方案和对解决方案的讨论为主线来组织内容，脉络清晰，并且各章自成体系。读者可以从头至尾逐章学习，也可以根据自己的需要进行学习，找到自己实际问题的解决方案。
本书不需要读者具备R和数据挖掘的基础知识。不管是R初学者，还是熟练的R用户都能从书中找到对自己有用的内容。读者既可以把本书作为学习如何应用R的一本很好教材，也可以作为数据挖掘的工具书。

推荐序
中文版序
译者序
前言
致谢
第1章简介
11如何阅读本书
12R简介
121R起步
122R对象
123向量
124向量化
125因子
126生成序列
127数据子集
128矩阵和数组
129列表
1210数据框
1211构建新函数
1212对象、类和方法
1213管理R会话
13MySQL简介
第2章预测海藻数量
21问题描述与目标
22数据说明
23数据加载到R
24数据可视化和摘要
25数据缺失
251将缺失部分剔除
252用最高频率值来填补缺失值
253通过变量的相关关系来填补缺失值
254通过探索案例之间的相似性来填补缺失值
26获取预测模型
261多元线性回归
262回归树
27模型的评价和选择
28预测7类海藻的频率
29小结
第3章预测股票市场收益
31问题描述与目标
32可用的数据
321在R中处理与时间有关的数据
322从CSV文件读取数据
323从网站上获取数据
324从MySQL数据库读取数据
33定义预测任务
331预测什么
332预测变量是什么
333预测任务
334模型评价准则
34预测模型
341如何应用训练集数据来建模
342建模工具
35从预测到实践
351如何应用预测模型
352与交易相关的评价准则
353模型集成：仿真交易
36模型评价和选择
361蒙特卡罗估计
362实验比较
363结果分析
37交易系统
371评估最终测试数据
372在线交易系统
38小结
第4章侦测欺诈交易
41问题描述与目标
42可用的数据
421加载数据至R
422探索数据集
423数据问题
43定义数据挖掘任务
431问题的不同解决方法
432评价准则
433实验方法
44计算离群值的排序
441无监督方法
442有监督方法
443半监督方法
45小结
第5章微阵列样本分类
51问题描述与目标
511微阵列实验背景简介
512数据集ALL
52可用的数据
53基因（特征）选择
531基于分布特征的简单过滤方法
532ANOVA过滤
533用随机森林进行过滤
534用特征聚类的组合进行过滤
54遗传学异常的预测
541定义预测任务
542模型评价标准
543实验过程
544建模技术
545模型比较
55小结
参考文献
主题索引
数据挖掘术语索引
R函数索引