第1章 导论 11.1 数据科学的发展历史 11.2 数据科学研究的主要问题 31.3 数据科学的主要方法 51.4 R语言的优势 7第2章 数据读/写 92.1 数据的读入 92.1.1 直接输入数据 92.1.2 读入R包中的数据 102.1.3 从外部文件读入数据 102.1.4 批量读入数据 152.1.5 R语言读取文件的几个常错的问题 152.2 写出数据 172.3 习题 18第3章 数据清洗与预处理 193.1 数据分类 193.2 数据清洗 203.2.1 处理缺失数据 203.2.2 处理噪声数据 233.3 数据变换 233.4 R语言实现 253.4.1 数据集的基本操作 253.4.2 数据集间的操作 283.4.3 连接数据库数据 293.5 习题 30第4章 数据可视化 314.1 高阶绘图工具——ggplot2 314.1.1 快速绘图 324.1.2 使用图层构建图像 344.1.3 分面 374.2 ECharts2 394.2.1 安装 394.2.2 使用 404.3 习题 48第5章 线性回归 495.1 问题的提出 495.2 一元线性回归 505.2.1 一元线性回归概述 505.2.2 一元线性回归的参数估计 525.2.3 一元线性回归模型的检验 555.2.4 一元线性回归的预测 565.3 多元线性回归分析 575.3.1 多元线性回归模型及假定 585.3.2 参数估计 595.3.3 模型检验 605.3.4 预测 615.4 R语言实现 635.4.1 一元线性回归 635.4.2 多元线性回归 665.5 习题 67第6章 线性分类 696.1 问题的提出 696.2 Logistic模型 706.2.1 线性概率模型 706.2.2 Probit模型 716.2.3 Logit模型原理 726.2.4 边际效应分析 736.2.5 最大似然估计（MLE） 736.2.6 似然比检验 746.3 判别分析 746.3.1 Na?ve Bayes判别分析 756.3.2 线性判别分析 766.3.3 二次判别分析 786.4 分类问题评价准则 786.5 R语言实现 806.5.1 描述统计 806.5.2 Logistic模型 816.5.3 判别分析 876.5.4 模型比较 906.6 习题 92第7章 重抽样 947.1 问题的提出 947.2 基本概念 947.2.1 训练误差和测试误差 957.2.2 偏差和方差 957.3 交叉验证法 967.3.1 验证集方法 977.3.2 留一交叉验证法 977.3.3 K折交叉验证法 987.4 自助法 997.5 R语言实现 1007.5.1 验证集方法 1007.5.2 留一交叉验证法 1027.5.3 K折交叉验证法 1027.5.4 自助法 1037.6 习题 104第8章 模型选择与正则化 1058.1 问题的提出 1058.2 子集选择法 1068.2.1 最优子集法 1068.2.2 逐步选择法 1068.2.3 模型选择 1088.3 基于压缩估计的逐个变量选择 1098.3.1 LASSO惩罚 1108.3.2 SCAD惩罚 1118.3.3 MCP惩罚 1128.3.4 调整参数选择 1138.4 基于压缩估计的组变量选择 1138.4.1 自然分组结构 1138.4.2 人为分组结构 1148.5 基于压缩估计的双层变量选择 1158.5.1 复合函数型双层选择 1158.5.2 稀疏组惩罚型双层选择 1168.6 R语言实现 1178.6.1 子集选择法 1178.6.2 模型选择 1208.6.3 组模型选择 1228.6.4 双层模型选择 1268.7 习题 128第9章 决策树与组合学习 1299.1 问题的提出 1299.2 决策树 1309.2.1 基本概念 1309.2.2 分类树 1339.2.3 回归树 1359.2.4 树的优缺点 1379.3 Bagging 1379.3.1 基本算法 1379.3.2 袋外误差估计 1389.3.3 变量重要性的度量 1399.4 随机森林 1409.5 提升法 1429.5.1 Adaboost算法 1429.5.2 GBDT算法 1439.5.3 XGBoost算法 1439.6 R语言实现 1449.6.1 数据介绍 1449.6.2 描述性统计 1459.6.3 分类树 1459.6.4 Bagging 1489.6.5 随机森林 1499.6.6 Boosting 1509.7 习题 155第10章 支持向量机 15610.1 问题的提出 15610.2 最大间隔分类器 15710.2.1 使用分割超平面分类 15710.2.2 构建最大间隔分类器 15910.2.3 线性不可分的情况 16010.3 支持向量分类器 16110.3.1 使用软间隔分类 16110.3.2 构建支持向量分类器 16110.4 支持向量机 16310.4.1 使用非线性决策边界分类 16310.4.2 构建支持向量机 16510.5 与Logistic回归的关系 16610.6 支持向量回归 16710.7 R语言实现 16810.7.1 支持向量分类器 16810.7.2 支持向量机 17310.7.3 Auto数据集 17510.8 习题 178第11章 神经网络 18011.1 问题的提出 18111.2 神经网络的基本概念 18111.2.1 神经网络的基本单元——神经元 18111.2.2 神经网络的结构 18511.2.3 神经网络的学习 18611.3 神经网络模型 18811.3.1 单神经元感知器 18811.3.2 单层感知器 18911.3.3 BP神经网络 19011.3.4 Rprop神经网络 19311.4 R语言实现 19511.4.1 nnet程序包 19511.4.2 neuralnet程序包 19711.4.3 应用案例1：利用nnet程序包分析纸币鉴别数据 19811.4.4 应用案例2：利用neuralnet程序包分析白葡萄酒的品质 20011.5 习题 203第12章 无监督学习 20512.1 问题的提出 20512.2 聚类分析 20712.2.1 相异度 20712.2.2 K-means聚类 20912.2.3 系统聚类法 21112.3 主成分分析 21412.3.1 主成分分析的几何意义 21412.3.2 主成分的数学推导 21512.3.3 主成分回归 21712.3.4 主成分分析的其他方面 21712.4 因子分析 21912.4.1 因子分析的数学模型 21912.4.2 因子载荷阵的统计意义 22012.4.3 因子分析的其他方面 22112.5 典型相关分析 22312.5.1 典型相关分析原理 22312.5.2 典型相关系数的显著性检验 22612.5.3 典型相关分析的步骤 22712.6 R语言实现 22812.6.1 聚类分析：移动通信用户细分 22812.6.2 主成分分析：农村居民消费水平评价 23312.6.3 因子分析：市场调查 23612.6.4 典型相关分析：职业满意度与职业特性的关系 23912.7 习题 242第13章 推荐算法 24313.1 关联规则 24313.1.1 基本概念 24413.1.2 基本分类 24613.1.3 基本方法 24713.2 协同过滤算法 24913.2.1 基于邻居的协同过滤算法 24913.2.2 基于模型的协同过滤算法 25313.3 R语言实现 25413.3.1 关联规则 25413.3.2 协同过滤算法 25913.4 习题 262第14章 文本挖掘 26414.1 问题的提出 26414.2 文本挖掘基本流程 26514.2.1 文本数据获取 26514.2.2 文本特征表示 26514.2.3 文本的特征选择 26814.2.4 信息挖掘与主题模型 26914.3 R语言实现 27014.3.1 JSS_papers数据集 27014.3.2 拓展案例：房地产网络舆情分析 27514.4 习题 278第15章 社交网络分析 27915.1 问题的提出 27915.2 网络的基本概念 28015.3 网络特征的描述性分析 28115.3.1 节点度 28115.3.2 节点中心性 28215.3.3 网络的凝聚性特征 28315.3.4 分割 28415.4 网络图的统计模型 28515.4.1 经典随机图模型 28515.4.2 广义随机图模型 28615.4.3 指数随机图模型 28715.4.4 网络块模型 28715.5 关联网络推断 28815.5.1 相关网络 28815.5.2 偏相关网络 28915.5.3 高斯图模型网络 29015.5.4 Graphic Lasso模型 29115.6 二值型网络模型 29415.7 R语言实现 29515.7.1 网络的基本操作 29515.7.2 ”豆瓣关注网络”和”豆瓣朋友网络”特征分析 29815.7.3 关联网络推断 30315.8 习题 308第16章 并行计算 30916.1 提高R语言的计算速度 30916.2 R语言的并行计算 31016.3 HPC多线程并行计算 316参考文献 321