用商業案例學R語言數據挖掘

第1章商業數據分析基礎
1.1商業數據分析的本質
1.2商業數據分析中心的建設
第2章數據分析的武器庫
2.1數據挖掘簡介
2.2R語言簡介
2.3R與RStudio的下載和安裝
2.4在RStudio中安裝包
2.5練習題
第3章R語言編程
3.1R的基本數據類型
3.2R的基本數據結構
3.3R的過程控制
3.4R的函數
3.5R的日期與時間數據類型
3.6在R中讀寫數據
3.7練習題
第4章R描述性統計分析與繪圖
4.1描述性統計分析
4.2制圖的步驟
4.3R基礎繪圖包
4.4ggplot2繪圖
4.5練習題
第5章數據整合和數據清洗
5.1數據整合
5.2R中的高級數據整合
5.3R中的抽樣
5.4R的數據清洗
5.5數據整合
第6章統計推斷基礎
6.1基本的統計學概念
6.3雙樣本t檢驗
6.4方差分析（分類變量和連續變量關系檢驗）
6.5相關分析（兩連續變量關系檢驗）
6.6卡方檢驗（兩分類變量關系檢驗）
6.7練習題
第7章客戶價值預測：線性回歸模型與診斷
7.1相關性分析
7.2線性回歸
7.3線性回歸診斷
7.4正則化方法
7.5練習題
第8章Logistic回歸構建初始信用評級
8.1Logistic回歸的相關關系分析
8.2Logistic回歸模型及實現
8.3很大熵模型與極大似然法估計
8.4模型評估
8.5練習題
第9章使用決策樹進行信用評級
9.1決策樹建模思路
9.2決策樹算法
9.3在R中實現決策樹
9.4組合算法（Ensemble Learning）
9.5練習題
第10章神經網絡
10.1神經元模型
10.2人工神經網絡模型
10.3單層感知器
10.4BP神經網絡
10.5RBF神經網絡
10.6神經網絡設計與R代碼實現
10.7練習題
第11章分類器入門：最近鄰域與貝葉斯網絡
11.1分類器的概念
11.2KNN算法
11.3朴素貝葉斯
11.4貝葉斯網絡
11.5練習題
第12章高級分類器：支持向量機
12.1線性可分與線性不可分
12.2線性可分支持向量機
12.3線性支持向量機
12.4非線性支持向量機
12.5R中的支持向量機
12.6練習題
第13章連續變量的維度歸約
13.1維度歸約方法概述
13.2主成分分析
13.3因子分析
13.4奇異值分解
13.5對應分析和多維尺度分析
13.6練習題
第14章聚類
14.1聚類分析概述
14.2聚類算法邏輯
14.3層次聚類
14.4k—means聚類
14.5基於密度的聚類
14.6聚類模型的評估
14.7高斯混合模型（Gaussian Mixture Model）
14.8客戶分群
14.9練習題
第15章關聯規則與推薦算法
15.1長尾理論
15.2關聯規則
15.3序貫模型
15.4推薦算法與推薦系統
15.5練習題
第16章時間序列建模
16.1認識時間序列
16.2簡單時間序列分析
16.3平穩時間序列分析ARMA模型
16.4非平穩時間序列分析ARIMA模型
第17章特征工程（Feature Engineering）（博文視點官方網站下載）
17.1特征工程概述
17.2數據預處理（Data Preprocessing）
17.3特征構造（Feature Construction）
17.4特征抽取（Feature Extraction）
17.5特征選擇（Feature Selection）
第18章R文本挖掘（博文視點官方網站下載）
18.1文本挖掘
18.2文本清洗
18.3中文分詞與文檔模型
18.4文本的特征選擇及相關性度量
18.5文本分類
18.6主題模型
18.7綜合案例
附錄A數據說明（博文視點官方網站下載）