数学建模社区-数学中国

标题: 推荐几本不错的R语言图书 [打印本页]
作者: 芊芊世界    时间: 2016-5-25 16:22
标题: 推荐几本不错的R语言图书
本帖最后由 芊芊世界 于 2016-5-25 18:12 编辑
$ T4 x8 Y  d: Y6 n0 V+ P2 p. X) Y1 l2 B
图片1.jpg

2 x) V; P/ U' g  R数据挖掘与R语言
! b1 k1 b- w6 L) e' [2 @( @$ t' e2 i+ Y6 b* y
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。 % ?! \( r9 y0 K6 K5 O- S$ ?

% a- ?/ K$ L( J- Q; L! f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的一本优秀教材，也可以作为数据挖掘的工具书。 8 J. g. L& t+ c$ i: S
* L" o+ ~8 e& h
, P/ u/ a; V* u8 ]# z3 u- _
0 E9 X: d* h/ o1 A
图片2.jpg
- w( j& a! |4 l
- P; D/ Y8 s8 `6 X5 v1 h机器学习：实用案例解析 * k6 c' {" ~7 i9 N5 g" d% X
- |* S% H$ O! K: d  Y: v8 }2 V
机器学习是计算机科学和人工智能中非常重要的一个研究领域，近年来，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技 术。本书比较全面系统地介绍了机器学习的方法和技术，不仅详细阐述了许多经典的学习方法，还讨论了一些有生命力的新理论、新方法。
: O4 k& S" G4 B  d" u+ K! ~
& L: e; |1 F0 ~全书案例既有分类问题，也有回归问题；既包 含监督学习，也涵盖无监督学习。本书讨论的案例从分类讲到回归，然后讨论了聚类、降维、最优化问题等。这些案例包括分类：垃圾邮件识别，排序：智能收件 箱，回归模型：预测网页访问量，正则化：文本回归，最优化：密码破解，无监督学习：构建股票市场指数，空间相似度：用投票记录对美国参议员聚类，推荐系 统：给用户推荐R语言包，社交网络分析：在Twitter上感兴趣的人，模型比较：给你的问题找到最佳算法。各章对原理的叙述力求概念清晰、表达准确，突 出理论联系实际，富有启发性，易于理解。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究，因为它是一种 用于数据分析的高水平、功能性脚本语言。
7 y' u1 N& w, J0 c  r. _9 F) F& }
) {0 h/ k2 h! s! o+ z9 T$ d) E4 t
: }( L8 ]& p% X/ o; h
! F3 ~) K, [7 Q% ?: y 图片3.jpg 8 C6 P9 h6 T" m8 f

& B) _5 R, {8 l2 Z' i7 W( _# ZR语言经典实例 , |1 o4 M" c. p' V
5 D# L; s8 Q5 {! r* `, I6 y/ I2 n
本书涵盖200多个R语言实用方法，可以帮助读者快速而有效地使用R进行数据分析。R语言给我们提供了统计分析酣一切工具，但是R本身的结 构可能有些难于掌握。本书提供的这些面向任务、简明的R语言方法包含了从基本的分析任务到输入和输出、常用统计分析、绘图、线性回归等内容，它们可以让你 马上应用R高效地工作。
5 U# r' h8 T- J2 w每一个R语言方法都专注于一个特定的问题，随后的讨论则对问题的解决方案给出解释，并阐释该方法的工作机理。对于R的初级用户，《R语言经典实例》将帮助 你步入R的殿堂；对于R的资深用户，本书将加深你对R的理解并拓展你的视野。通过本书，你可以使你的分析工作顺利完成并学习更多R语言知识。本书由蒂特 著。 3 L& v: |9 D+ j3 [! l& x- n
# E* m1 k  u9 D2 |
. ]5 A1 Z, d: Q7 C. k
7 C5 j2 N7 P3 I+ a. y
图片4.jpg 2 |) [9 E: B; j. I% _+ v( [
- ~. N8 s0 G7 f- N+ ?2 |: t
R语言编程艺术 , d' R6 d2 I7 S. j. ^/ W2 P

4 W7 ?. {- g* I$ u6 Z+ e- ]R语言是世界上最流行的用于数据处理和统 计分析的脚本语言。考古学家用它来跟踪古代文明的传播，医药公司用它来探索哪种药物更安全、更有效，精算师用它评估金融风险以保证市场的平稳运行。总之， 在大数据时代，统计数据、分析数据都离不开计算机软件的支持，在这方面R语言尤其出色。 * E/ ^# _0 E9 J! n2 z; M
. K" r5 {6 H! N
本书将带领你踏上R语言软件开发之旅，从最 基本的数据类型和数据结构开始，到闭包、递归和匿名函数等高级主题，由浅入深，讲解细腻，读者完全不需要统计学的知识，甚至不需要编程基础。而书中提到的 很多高级编程技巧，都是作者多年编程经验的总结，对有经验的开发者也大有裨益。本书精选了44个扩展案例，这些案例都源自于作者亲身参与过的咨询项目，都 是与数据分析相关的，生动展示了R语言在统计学中的高效应用。 - K4 E5 }. D/ ], O* K1 k$ `

# v1 q1 q; J# F
$ t; t. F7 U$ ~/ `% e8 w) o" k7 V% ~- `3 u4 f; g6 E
图片5.jpg : ?$ k# P' P6 u: n  e

" s- b2 X. \' c  n金融数据分析导论：基于R语言 3 e1 p: ?8 u! g, P0 m8 A

# c" S6 b3 [: z& B本书由统计学领域著名专家Ruey S. Tsay（蔡瑞胸）所著，从基本的金融数据出发，讨论了这些数据的汇总统计和相关的可视化方法，之后分别介绍了商业、金融和经济领域中的基本时间序列分析和计量经济模型。 3 S/ y2 `1 @* T4 k

8 h( B/ X. V5 g
; t# Q. v9 O- d
) [2 \) }2 K+ }: R4 I3 t* M 图片6.jpg ; X7 T1 F5 e0 s; V
+ w8 D( T% q# I: c' l( r. V
时间序列分析及应用:R语言(原书第2版)
! c) ]& f/ P- j. g
$ a2 `# Q# T! w' f本书以易于理解的方式讲述了时间序列模型及其应用，主要内容包括：趋势、平稳时间序列模型、非平稳时间序列模 型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差时间序列模型、谱分析入门、谱估计、门限模型.对所有的思想和方法，都用真 实数据集和模拟数据集进行了说明。 9 `/ N0 P* _7 s2 b+ X
本书可作为高等院校统计、经济、商科、工程及定量社会科学等专业学生的教材或教学参考书，同时也可供相关技术人员使用。
. D# t" H' H2 E) S1 ~8 z1 K& j0 n
7 b3 N2 V6 O! M7 h' S& O另附相关电子书：1 W, z. J( Q# D

5 r% e0 k$ @# Y8 F$ e" l [R语言实战].(R.in.Action).Robert.I.Kabacoff.文字版.pdf (22.95 MB, 下载次数: 57)
2 g2 P" [+ r8 t! I  y6 `: Y1 d$ T. M) P! m  H
R语言编程艺术.pdf (22.43 MB, 下载次数: 49)
0 J' S& D# z4 l$ F6 Q3 K
/ y! ^: R, u  J1 V; x 机器学习：实用案例解析.pdf (10.32 MB, 下载次数: 48) ; _( Q2 i- }- j7 H2 x
$ f1 T! b( @# z, T# a
数据挖掘与R语言.pdf (23.43 MB, 下载次数: 28) 3 f$ O4 _3 x+ b* `" ?

  l7 f7 q) q7 x, b- {$ x; x7 ^+ ^
( }& L9 Z+ l2 y4 X6 Q! ^* L6 W
作者: 犯花痴的豆子    时间: 2016-5-25 17:27
路过顶一个！！！感谢分享, I$ M8 y7 l% R3 j
作者: 浪漫的事    时间: 2016-5-25 17:37
谢谢楼主分享
& ?2 m0 W- ?$ J& Y1 l
作者: avex514    时间: 2019-8-9 22:28
谢谢分享
7 f7 C8 W2 Q0 N# ?
作者: TimeMachine    时间: 2020-2-27 22:13
多谢楼主的分享, @* u0 r3 H# T* N# A9 |
作者: 672612431    时间: 2020-2-29 12:48
谢谢谢谢谢谢谢谢谢谢谢谢谢谢谢谢2 a0 }- b$ Q/ [8 _% K  _




欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5