数据挖掘与R语言（原书第2版）

本书面向初学者，通过实践案例讲解如何用R进行数据挖掘。全书包括两部分，第 一部分介绍R和数据挖掘的基础知识，第二部分为案例研究，通过预测海藻数量、预测股票市场收益、侦测欺诈交易以及微阵列样本分类四个案例培养构建解决方案的能力，掌握工具的使用技巧。本书适合作为高校学生或业界新手了解R和数据挖掘的入门读本，其中的代码和数据均可免费下载。

路易斯·托尔戈（Luis Torgo） 加拿大达尔豪斯大学计算机科学系教授，葡萄牙波尔图大学计算机科学系副教授，纽约大学斯特恩商学院特邀教授，人工智能和数据分析实验室（LIAAD，隶属于INESC Tec）研究员。他拥有近30年的机器学习和数据挖掘研究经验，在基于树的回归方法和基于效用的预测方法方面贡献卓著。

---译者简介---
李洪成 统计学博士，现为上海金融学院副教授，R语言和SPSS统计分析软件专家，研究方向为金融统计和数据挖掘。他的代表著作有《SPSS数据分析教程》《时间序列预测实践教程》等，译著有《R并行编程实战》《机器学习与R语言》等。

目　　录
推荐序
中文版序
译者序
前言
致谢
第1章　简介 1
1.1　如何阅读本书 2
1.2　重现性 2
第一部分　R与数据挖掘简介
第2章　R简介 6
2.1　R起步 6
2.2　与R控制台的简单交互 8
2.3　R对象和变量 9
2.4　R函数 11
2.5　向量 14
2.6　向量化 15
2.7　因子 16
2.8　生成序列 18
2.9　数据子集 20
2.10　矩阵和数组 22
2.11　列表 25
2.12　数据框 28
2.13　数据框的扩展 31
2.14　对象、类和方法 34
2.15　管理R会话 35
第3章　数据挖掘简介 37
3.1　数据挖掘鸟瞰图 37
3.2　数据收集和业务理解 38
3.2.1　数据和数据集 39
3.2.2　导入数据到R 40
3.3　数据预处理 45
3.3.1　数据清洗 45
3.3.2　变换变量 53
3.3.3　生成变量 55
3.3.4　降维 66
3.4　建模 74
3.4.1　探索性数据分析 75
3.4.2　使用关联规则的依赖建模 94
3.4.3　聚类 101
3.4.4　异常检测 112
3.4.5　预测分析 120
3.5　评估 147
3.5.1　Holdout和随机子抽样 148
3.5.2　交叉验证 150
3.5.3　Bootstrap估计 153
3.5.4　推荐程序 154
3.6　报告和部署 155
3.6.1　通过动态文档进行报告 155
3.6.2　通过Web应用程序进行部署 158
第二部分　数据挖掘案例研究
第4章　预测海藻数量 164
4.1　问题描述与目标 164
4.2　数据说明 164
4.3　加载数据到R 165
4.4　数据可视化和总结 167
4.5　数据缺失 173
4.5.1　将缺失部分剔除 173
4.5.2　尝试找到缺失值最有可能的赋值 175
4.5.3　通过变量的相关关系填补缺失值 176
4.5.4　通过探索类似个案填补缺失值 179
4.6　获取预测模型 180
4.6.1　多元线性回归 181
4.6.2　回归树 185
4.7　模型评价和选择 189
4.8　预测7种海藻的频率 200
4.9　小结 202
第5章　预测股票市场收益 203
5.1　问题描述与目标 203
5.2　可用的数据 204
5.2.1　从CSV文件读取数据 205
5.2.2　从网站上获取数据 205
5.3　定义预测任务 206
5.3.1　预测什么 206
5.3.2　预测变量是什么 208
5.3.3　预测任务 212
5.3.4　模型评价准则 213
5.4　预测模型 215
5.4.1　如何应用训练集数据来建模 215
5.4.2　建模工具 216
5.5　从预测到实践 222
5.5.1　如何应用预测模型 222
5.5.2　与交易相关的评价准则 223
5.5.3　模型集成：仿真交易 224
5.6　模型评价和选择 230
5.6.1　蒙特卡罗估计 230
5.6.2　实验比较 231
5.6.3　结果分析 235
5.7　交易系统 243
5.7.1　评估最终测试数据 243
5.7.2　在线交易系统 247
5.8　小结 248
第6章　侦测欺诈交易 249
6.1　问题描述与目标 249
6.2　可用的数据 249
6.2.1　加载数据到R 250
6.2.2　探索数据集 250
6.2.3　数据问题 256
6.3　定义数据挖掘任务 263
6.3.1　问题的不同解决方法 263
6.3.2　评价准则 265
6.3.3　实验方法 270
6.4　计算离群值的排序 271
6.4.1　无监督方法 271
6.4.2　有监督方法 280
6.4.3　半监督方法 290
6.5　小结 295
第7章　微阵列样本分类 296
7.1　问题描述与目标 296
7.1.1　微阵列实验背景简介 296
7.1.2　数据集ALL 297
7.2　可用的数据 297
7.3　基因（特征）选择 302
7.3.1　基于分布特征的简单过滤方法 302
7.3.2　ANOVA过滤 304
7.3.3　使用随机森林进行过滤 306
7.3.4　使用特征聚类的组合进行过滤 308
7.4　遗传学异常的预测 309
7.4.1　定义预测任务 309
7.4.2　模型评价标准 309
7.4.3　实验过程 310
7.4.4　建模技术 311
7.4.5　模型比较 313
7.5　小结 320
参考文献 321
主题索引 332
数据挖掘术语索引 337
R函数索引 339