数据分析与R

第1章  数据分析基础1.1  统计基础1.1.1  概率与统计1.1.2  统计量与分布1.1.3  参数估计1.1.4  假设检验1.2  软件与开发工具介绍1.2.1  数据库软件1.2.2  计算软件1.2.3  开发软件第2章  数据预处理2.1  数据获取2.2  数据预处理过程2.3  数据清洗2.3.1  缺失值处理2.3.2  重复值处理2.4  数据集成2.5  数据变换2.6  数据规约第3章  R使用入门3.1  R的获取和安装3.2  R的使用3.3  R的包3.4  R的数据对象与数据操作3.5  R数据的导入与导出3.6  R的条件控制与循环3.7  R数据预处理3.8  R的概率分布第4章  R图形分析4.1  初始化图形4.1.1  图形的建立与保存4.1.2  图形的组合4.1.3  一个实例4.2  高级绘图命令4.3  低级绘图命令4.4  绘图参数4.4.1  颜色4.4.2  文本属性4.4.3  符号和线条4.4.4  标题4.4.5  图例4.4.6  坐标轴4.5  图形库4.5.1  直方图4.5.2  条形图4.5.3  散点图4.5.4  饼图4.5.5  箱线图4.5.6  矩阵图4.5.7  马赛克图4.5.8  热图4.5.9  QQ图4.5.10  平行坐标图第5章  方差分析5.1  方差分析的基本过程5.1.1  单因素方差分析5.1.2  双因素方差分析5.2  方差分析的R实现5.2.1  单因素方差分析R实现5.2.2  双因素方差分析5.3  多因素方差分析的R实现第6章  回归分析6.1  线性回归模型6.2  线性回归模型的统计分析6.3  线性回归分析在R中的实现6.4  Logistic回归原理6.5  Logistic模型的求解6.6  Logistic回归模型的评价和检验6.7  多Logistic回归的分类与应用6.8  逐步Logistic回归分析6.9  Logistic回归的R实践第7章  聚类与分类分析7.1  聚类分析7.2  聚类中的距离度量7.2.1  连续性数值变量的距离度量方法7.2.2  离散型属性变量的距离度量方法7.2.3  R距离度量的实现7.3  层次聚类法7.3.1  凝聚式聚类7.3.2  层次聚类R实现7.4  K一均值聚类7.5  数据分类7.5.1  决策树方法7.5.2  贝叶斯分类7.5.3  SVM方法7.5.4  KNN分类第8章  EM算法和MCMC方法8.1  EM算法8.1.1  初识EM算法8.1.2  EM算法简述8.1.3  经典例题8.1.4  两个重要的定理8.2  MCMC方法8.2.1  初识MCMC方法8.2.2  Metropolis-Hastings方法8.2.3  Gibbs Sampling方法