《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》
《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 第一章
数据挖掘与R语言概述 学习目标 理论方面，了解数据挖掘的概念，掌握数据挖掘的结果及展示方式，明确数据挖掘能够实现哪些分析目标，领会
数据挖掘方法的主要思路，总览数据挖掘的典型商业应用 实践方面，了解R语言的相关概念，掌握R语言入门必备知识，熟悉R语言的基本操作
数据挖掘与R语言概述 人类的数据生产能力达到空前 从数据挖掘方法入手，无疑是最佳选择 R语言是目前应用最为广泛的数据挖掘与分析工
具 第一，共享性 第二，分析方法丰富 第三，操作简便性和灵活性 第四，成长性 什么是数据挖掘 对数据挖掘的理解已达成如下共识 首先
，数据挖掘是一个利用各种方法，从海量的有噪声的各类数据中，提取潜在的、可理解的、有价值的信息过程 其次，数据挖掘是一项涉及多任务、
多学科的庞大的系统工程，涉及数据源的建立和管理、从数据源提取数据、数据预处理、数据可视化、建立模型和评价以及应用模型评估等诸多环节
数据挖掘的诸多环节本质上可归纳为两个具有内在联系的阶段：数据的存储管理阶段和数据的分析建模阶段，涉及计算机科学和统计学等众多交叉
学科领域 数据挖掘的结果 数据挖掘结果有如下呈现方式 数学模型 推理规则 图形 数据挖掘结果的基本特征 潜在性 可理解性 有价
值性 数据挖掘能做什么 数据挖掘可以解决四大方面的问题 数据预测：基于对历史数据的分析，预测新数据的特征，或是预测数据的未来发展趋
势等 发现数据的内在结构：发现数据集中可能包含着的若干个小的数据子集 发现关联性：找到变量取值的内在规律性 模式诊断：找到数据集中
的模式 数据挖掘方法的特点 数据挖掘方法是统计方法和机器学习方法的有机结合，呈现鲜明的交叉学科特点 数据挖掘能够更好地适应大数据分
析的要求，充分发挥统计学和机器学习的长处，解决如下三方面的问题： 对目标契合度不高的数据，怎样的建模策略能够更好地迎合分析的需要
对于海量、高维数据，怎样的建模策略能够更好地揭示数据特征，提高分析效率 对于复杂类型和关系数据，怎样的建模策略能够清晰地揭示数据的
特征 数据挖掘的典型商业应用 数据挖掘在客户细分中的应用 数据挖掘在客户流失分析中的应用 数据挖掘在营销响应分析中的应用 数据挖掘
在交叉销售中的应用 数据挖掘在欺诈甄别中的应用 R语言入门必备 什么是R的包 R是一个关于包的集合。包是关于函数、数据集、编译器等
的集合。编写R程序过程就是通过创建R对象组织数据，通过调用系统函数，或者创建并调用自定义函数，逐步完成数据挖掘各阶段任务的过程 R
包的种类：基础包和共享包 如何获得 R 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数
据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 《R语言数据挖掘》 |
|
