第1部分 R语言基础知识
第1章 R概述
1.1 R软件的下载与安装
1.2 获得帮助
1.3 R包
1.3.1 本地库中的R包
1.3.2 安装R包
1.3.3 加载R包
1.3.4 维护R包
第2章 数据管理
2.1 数据对象的创建与删除
2.2 对象的类型与运算符
2.3 数据结构
2.3.1 向量
2.3.2 矩阵和数组
2.3.3 时间序列
2.3.4 因子
2.3.5 列表
2.3.6 数据框
2.4 读写文件数据
2.4.1 工作路径
2.4.2 内置数据集
2.4.3 读写文本文件
第3章 流程控制
3.1 分支语句
3.1.1 if-else语句
3.1.2 switch语句
3.2 循环语句
3.2.1 repeat循环语句
3.2.2 while循环语句
3.2.3 for循环语句
3.2.4 replication高级循环
3.3 自定义函数
3.4 程序运行时间与效率
第2部分 R 绘 图
第4章 基础绘图
4.1 图形参数
4.1.1 设置颜色
4.1.2 选择颜色组合和调色板
4.1.3 设置绘图符号及大小
4.1.4 选择线型和线宽
4.1.5 设置坐标轴
4.1.6 设置图例
4.2 绘制图形
4.2.1 散点图
4.2.2 折线图
4.2.3 条形图
4.2.4 直方图和密度图
4.2.5 箱线图
4.2.6 热图
4.2.7 散点图矩阵
4.2.8 词云图
4.2.9 韦恩图
4.2.10 生存函数图
4.2.11 函数图像
4.2.12 小提琴图
4.2.13 三维图形
4.3 保存和输出图形
第5章 高级绘图
5.1 qplot绘图
5.2 ggplot2绘图
5.2.1 图层构建图像
5.2.2 几何对象和统计变换
5.3 绘制图形
5.3.1 直方图
5.3.2 密度曲线图
5.3.3 箱线图
5.3.4 小提琴图
5.3.5 火山图
5.3.6 富集分析气泡图
5.3.7 等高图/等高线
第3部分 统 计 分 析
第6章 统计描述
6.1 描述统计量
6.1.1 集中趋势
6.1.2 离散趋势
6.1.3 分布形状的度量
6.2 数据常用分布、随机抽样及正态性检验
6.2.1 数据常用分布
6.2.2 随机抽样
6.2.3 正态性检验
6.3 多元数据分布
6.3.1 二元变量数据分析
6.3.2 多元变量数据分析
6.3.3 探索数据分布
6.4 参数估计
6.4.1 极大似然估计
6.4.2 最小二乘法
6.4.3 EM算法
第7章 假设检验
7.1 基本概念
7.2 参数假设检验
7.2.1 总体均值的检验
7.2.2 总体方差的检验
7.3 非参数假设检验
7.3.1 Pearson拟合度 检验
7.3.2 Kolmogorov-Smirnov检验
7.3.3 列联表的独立性检验
7.3.4 符号检验
7.3.5 秩检验
7.3.6 多组样本检验
7.4 方差分析
7.4.1 单因素方差分析
7.4.2 双因素方差分析
第8章 回归分析
8.1 一元线性回归
8.2 多元线性回归
8.2.1 数学模型
8.2.2 显著性检验
8.2.3 预测
8.2.4 修正拟合模型
8.2.5 逐步回归
8.3 非线性回归
8.4 广义线性回归模型
8.5 Logistic回归模型
第9章 主成分分析和因子分析
9.1 主成分分析
9.2 因子分析
第10章 生存分析
10.1 基本概念
10.2 生存曲线
第4部分 数据分析与预测
第11章 数据预处理
11.1 异常值与缺失值处理
11.1.1 异常值处理
11.1.2 缺失值处理
11.2 数据标准化
11.2.1 min-max标准化
11.2.2 z-score标准化
11.2.3 归一化
第12章 分类技术：k近邻算法（k-NN）
12.1 k-NN算法概述
12.1.1 算法原理
12.1.2 距离计算
12.2 利用k-NN算法诊断糖尿病
12.2.1 数据准备和探索
12.2.2 基于数据构建模型
第13章 分类技术：支持向量机
13.1 SVM模型概述
13.2 核函数
13.3 基于数据训练模型
13.4 评估模型性能
第14章 决策树
14.1 决策树原理
14.1.1 选择最佳的分割
14.1.2 剪枝策略
14.2 决策树案例
14.2.1 实现心脏病患病预测
14.2.2 使用C5.0 决策识别高风险银行贷款
14.2.3 条件推理树
14.3 随机森林
14.3.1 基于数据构建模型
14.3.2 模型性能影响因素
14.3.3 评估模型
14.4 梯度提升
14.5 使用随机森林进行特征选择
第15章 聚类算法
15.1 层次聚类
15.2 k-means算法
15.3 k-medoids算法
15.4 基于密度的聚类
15.5 期望最大化聚类
第16章 关联规则
16.1 基本概念
16.2 Apriori算法
16.2.1 数据准备和探索
16.2.2 基于数据训练模型
第17章 神经网络
17.1 神经网络介绍
17.2 神经网络应用案例
参考文献