本书为研究人员、高校学生、数据分析人员介绍了使用R语言进行数据挖掘应用的实用方法和技术。读者会从本书中发现使用R语言完成数据挖掘任务（如分类和预测、聚类、孤立点检测、关联规则、序列分析、文本挖掘、社会网络分析、情感分析等）的非常有价值的指导。
数据挖掘技术在广泛领域都发展迅速。本书重点关注数据挖掘过程的建模阶段，以及数据探查和模型评估问题。
本书讲述简洁实用，配有现实应用案例和代码示例以及数据，在线资源及时丰富，是一本数据分析的实战技术图书。

数据挖掘技术已经广泛用于政府机关、银行、保险、零售、电信、医药和研究领域。最近，越来越多的数据挖掘工作开始使用R工具来完成，R是一个用于统计计算和制图的免费软件。在最近的调查中，R已经被评为数据挖掘领域最流行的工具。本书介绍将R语言用于数据挖掘应用（从学术研究到工业应用），从大量数据中提取出有用知识的各种实用方法。
本书面向数据挖掘领域的研究人员、数据挖掘方向的研究生，以及数据挖掘工程师和分析师，对于学习数据挖掘课程的学生来说具有巨大的参考价值，对于参加数据挖掘与分析的行业培训课程的人来说是非常有用的资料。

本书主要特色
●　介绍了R用于数据挖掘应用的案例，涵盖了最常用的数据挖掘技术。
●　提供了代码示例和数据，以便读者可以轻松地学习数据挖掘技术。
●　现实应用中的特色案例研究有助于读者将学到的技术应用到自己的工作和研究中。

作者简介
Yanchang Zhao　从2009年起担任澳大利亚政府部门的高级数据挖掘分析师。在加入澳大利亚政府部门之前，他是悉尼科技大学工程和信息技术学院博士后研究员。他的研究兴趣包括聚类分析、关联规则、时间序列、孤立点检测、数据挖掘应用等，当前关注在数据挖掘应用中使用R语言。他是IEEE高级会员和澳大利亚分析专业人员协会成员。他发表了50多篇数据挖掘研究和应用方面的论文，并独立或与他人合作编写了3本著作。

计算机\数据挖掘

数据挖掘技术已经广泛用于政府机关、银行、保险、零售、电信、医药和研究领域。最近，越来越多的数据挖掘工作开始使用R工具来完成，R是一个用于统计计算和制图的免费软件。在最近的调查中，R已经被评为数据挖掘领域最流行的工具。本书介绍将R在数据挖掘应用中的使用从学术研究推广到工业应用的方法。
本书面向数据挖掘领域的研究人员、数据挖掘方向的研究生，以及数据挖掘工程师和分析师，对于学习数据挖掘课程的学生来说具有巨大的参考价值，对于参加数据挖掘与分析的行业培训课程的人来说是非常有用的资料。
本书主要特色：
 介绍了R用于数据挖掘应用的案例，涵盖了最常用的数据挖掘技术。
 提供了代码示例和数据，以便读者可以轻松地学习数据挖掘技术。
 现实应用中的特色案例研究有助于读者将学到的技术应用到自己的工作和研究中。
本书提供了丰富的在线资源，网址为http://www.rdataming.com/books/rdm。

(澳)Yanchang Zhao 著：Yanchang Zhao（赵彦昌）从2009年起担任澳大利亚政府部门的高级数据挖掘分析师。在加入澳大利亚政府部门之前，他是悉尼科技大学工程和信息技术学院博士后研究员。他的研究兴趣包括聚类分析、关联规则、时间序列、孤立点检测、数据挖掘应用等，当前关注在数据挖掘应用中使用R语言。他是IEEE高级会员和澳大利亚分析专业人员协会成员。他发表了50多篇数据挖掘研究和应用方面的论文，并独立或与他人合作编写了3本著作。

陈健 黄琰 译：暂无简介

数据挖掘自产生以来就是以分析数据、理解数据的实际需求为推动力的，其研究发展也逐步渗透到工业、农业、医疗卫生和商业的实际需求当中。R语言是在S语言的基础上逐步衍生出来的致力于数据统计分析与制图的语言。目前开源软件R也成为了世界上最流行的数据分析和处理工具之一，在学术研究和商业应用中都得到了广大数据分析者的青睐。
　　本书不是一本入门指导书，没有详细介绍数据挖掘技术的概念和理论，也没有介绍R语言的语言环境和语法规则，每一章节都结合具体例子详细介绍了R语言在数据挖掘的数据分析中的使用，实用性强。本书的读者最好具备数据挖掘和R语言的基础知识，通过结合本书介绍的具体案例分析来进一步了解R的对象、函数以及程序包，通过完整的R代码进一步理解数据挖掘技术在R语言工具上的具体实现，包括聚类、分类、关联规则分析、时间序列分析等。非常适合想要进一步学习R语言的人。
　　本书的代码都是采用R语言编写的，所使用的程序包都可以从CRAN网站上下载。R程序包数量众多，所涵盖的领域也越来越广泛，包括生物学、统计学、遗传学、金融学等。相信使用R语言进行数据挖掘工作也能让读者尽快领略到这门学科的精妙之处。
　　感谢所有在翻译过程中一直给予支持和鼓励的家人和朋友，感谢所有帮助和指导我的人。由于译者水平有限，本书的翻译难免会出现疏漏，还望各位读者不吝提出意见和建议。

译者
2014年6月9日于华南理工大学

出版者的话
译者序
缩写词表
第1章　简介1
1.1　数据挖掘1
1.2　R1
1.3　数据集2
1.3.1　iris数据集2
1.3.2　bodyfat数据集3
第2章　数据的导入与导出4
2.1　R数据的保存与加载4
2.2　.CSV文件的导入与导出4
2.3　从SAS中导入数据5
2.4　通过ODBC导入与导出数据6
2.4.1　从数据库中读取数据7
2.4.2　从Excel文件中导入与导出数据7
第3章　数据探索8
3.1　查看数据8
3.2　探索单个变量10
3.3　探索多个变量12
3.4　更多探索15
3.5　将图表保存到文件中19
第4章　决策树与随机森林21
4.1　使用party包构建决策树21
4.2　使用rpart包构建决策树24
4.3　随机森林29
第5章　回归分析33
5.1　线性回归33
5.2　逻辑回归38
5.3　广义线性回归38
5.4　非线性回归40
第6章　聚类41
6.1　k-means聚类41
6.2　k-medoids聚类43
6.3　层次聚类45
6.4　基于密度的聚类46
第7章　离群点检测50
7.1　单变量的离群点检测50
7.2　局部离群点因子检测53
7.3　用聚类方法进行离群点检测56
7.4　时间序列数据的离群点检测58
7.5　讨论59
第8章　时间序列分析与挖掘60
8.1　R中的时间序列数据60
8.2　时间序列分解60
8.3　时间序列预测62
8.4　时间序列聚类63
8.4.1　动态时间规整63
8.4.2　合成控制图的时间序列数据64
8.4.3　基于欧氏距离的层次聚类65
8.4.4　基于DTW距离的层次聚类66
8.5　时间序列分类67
8.5.1　基于原始数据的分类67
8.5.2　基于特征提取的分类68
8.5.3　k-NN分类69
8.6　讨论70
8.7　延伸阅读70
第9章　关联规则71
9.1　关联规则的基本概念71
9.2　Titanic数据集71
9.3　关联规则挖掘73
9.4　消除冗余78
9.5　解释规则79
9.6　关联规则的可视化80
9.7　讨论与延伸阅读82
第10章　文本挖掘84
10.1　Twitter的文本检索84
10.2　转换文本85
10.3　提取词干86
10.4　建立词项-文档矩阵88
10.5　频繁词项与关联90
10.6　词云91
10.7　词项聚类92
10.8　推文聚类94
10.8.1　基于k-means算法的推文聚类94
10.8.2　基于k-medoids算法的推文聚类96
10.9　程序包、延伸阅读与讨论98
第11章　社交网络分析99
11.1词项网络99
11.2推文网络102
11.3双模式网络107
11.4讨论与延伸阅读110
第12章　案例Ⅰ：房价指数的分析与预测111
12.1HPI数据导入111
12.2HPI数据探索112
12.3HPI趋势与季节性成分118
12.4HPI预测120
12.5房地产估价122
12.6讨论122
第13章　案例Ⅱ：客户回复预测与效益最大化123
13.1简介123
13.2KDD Cup 1998的数据123
13.3数据探索131
13.4训练决策树137
13.5模型评估140
13.6选择最优决策树143
13.7评分145
13.8讨论与总结148
第14章　案例Ⅲ：内存受限的大数据预测模型150
14.1简介150
14.2研究方法150
14.3数据与变量151
14.4随机森林152
14.5内存问题153
14.6样本数据的训练模型154
14.7使用已选变量建立模型156
14.8评分162
14.9输出规则168
14.9.1以文本格式输出规则168
14.9.2输出SAS规则的得分172
14.10总结与讨论177
第15章　在线资源178
15.1R参考文档178
15.2R178
15.3数据挖掘179
15.4R的数据挖掘180
15.5R的分类与预测181
15.6R的时间序列分析181
15.7R的关联规则挖掘181
15.8R的空间数据分析181
15.9R的文本挖掘182
15.10R的社交网络分析182
15.11R的数据清洗与转换182
15.12R的大数据与并行计算182
R语言数据挖掘参考文档184
参考资料197
通用索引201
包索引203
函数索引204