第 1章 引言 1 1.1　R的起源與發(fā)展　2 1.1.1　R的產(chǎn)生與演化　2 1.1.2　R的特點(diǎn)　3 1.2　安裝與運(yùn)行R系統(tǒng)　6 1.2.1　R的獲取與安裝　7 1.2.2　運(yùn)行R　7 1.3　安裝與使用包　10 1.3.1　什么是包　10 1.3.2　安裝包　12 1.3.3　載入、使用、卸載包　12 1.3.4　包的命名空間　13 1.4　工作空間管理　14 1.5　R語(yǔ)言的集成開(kāi)發(fā)環(huán)境 RStudio　16 1.5.1　什么是集成開(kāi)發(fā)環(huán)境　16 1.5.2　RStudio的使用方法　16 1.6　使用幫助系統(tǒng)　18 1.7　R語(yǔ)言與數(shù)據(jù)科學(xué)　19 1.7.1　R與大數(shù)據(jù)平臺(tái)　19 1.7.2　R在數(shù)據(jù)科學(xué)中的應(yīng)用　22 習(xí)題　23 第 2章　數(shù)據(jù)與運(yùn)算　25 2.1　基礎(chǔ)知識(shí)　26 2.1.1　向量　26 2.1.2　對(duì)象　27 2.1.3　函數(shù)　29 2.1.4　標(biāo)識(shí)符與保留字　30 2.2　數(shù)據(jù)類(lèi)型與數(shù)據(jù)表示　31 2.2.1　基本數(shù)據(jù)類(lèi)型　31 2.2.2　變量　34 2.2.3　常量　34 2.2.4　特殊值　35 2.3　基本運(yùn)算　36 2.3.1　運(yùn)算符　36 2.3.2　算術(shù)運(yùn)算　37 2.3.3　關(guān)系運(yùn)算　37 2.3.4　邏輯運(yùn)算　38 2.3.5　賦值運(yùn)算　39 2.4　數(shù)據(jù)類(lèi)型轉(zhuǎn)換與R中常見(jiàn)的數(shù)據(jù) 結(jié)構(gòu)　40 2.4.1　數(shù)據(jù)類(lèi)型轉(zhuǎn)換　41 2.4.2　常見(jiàn)的數(shù)據(jù)結(jié)構(gòu)　43 習(xí)題　45 第3章　程序設(shè)計(jì)基礎(chǔ)　47 3.1　控制流　48 3.1.1　順序結(jié)構(gòu)　48 3.1.2　分支結(jié)構(gòu)　49 3.1.3　循環(huán)結(jié)構(gòu)　51 3.1.4　選擇結(jié)構(gòu)　53 3.2　函數(shù)設(shè)計(jì)　54 3.2.1　聲明、定義與調(diào)用　54 3.2.2　返回值　56 3.2.3　函數(shù)中的輸入/輸出　57 3.2.4　環(huán)境與范圍　59 3.2.5　遞歸函數(shù)　62 3.3　編程規(guī)范與性能優(yōu)化　65 3.3.1　使用腳本文件　65 3.3.2　編程規(guī)范　66 3.3.3　性能優(yōu)化　67 習(xí)題　68 第4章　類(lèi)與對(duì)象　70 4.1　面向?qū)ο蟪绦蛟O(shè)計(jì)方法　71 4.1.1　結(jié)構(gòu)化程序設(shè)計(jì)方法回顧　71 4.1.2　對(duì)象與類(lèi)的概念　71 4.1.3　面向?qū)ο蟪绦蛟O(shè)計(jì)的特點(diǎn)　72 4.1.4　R中類(lèi)的體系　73 4.2　S3類(lèi)　74 4.2.1　S3類(lèi)的定義　74 4.2.2　創(chuàng)建S3類(lèi)對(duì)象　74 4.2.3　S3類(lèi)的泛型函數(shù)　76 4.2.4　定義S3類(lèi)的方法　77 4.2.5　編寫(xiě)S3類(lèi)的泛型函數(shù)　78 4.3　S4類(lèi)　79 4.3.1　S4類(lèi)的定義　79 4.3.2　創(chuàng)建S4類(lèi)對(duì)象　81 4.3.3　訪問(wèn)插槽　82 4.3.4　S4類(lèi)的泛型函數(shù)　83 4.3.5　定義S4類(lèi)的方法　84 4.4　引用類(lèi)　84 4.4.1　定義引用類(lèi)　84 4.4.2　創(chuàng)建引用類(lèi)對(duì)象　85 4.4.3　訪問(wèn)與修改引用類(lèi)對(duì)象的域　86 4.4.4　引用類(lèi)的方法　88 4.5　繼承　90 4.5.1　S3類(lèi)中的繼承　90 4.5.2　S4類(lèi)中的繼承　91 4.5.3　引用類(lèi)中的繼承　92 4.5.4　多重繼承　93 習(xí)題　94 第5章　數(shù)據(jù)結(jié)構(gòu)與數(shù)據(jù)處理　96 5.1　向量　97 5.1.1　創(chuàng)建向量　97 5.1.2　使用索引訪問(wèn)向量元素　98 5.1.3　循環(huán)補(bǔ)齊　99 5.1.4　向量的比較　100 5.1.5　按條件提取元素　101 5.2　矩陣與數(shù)組　101 5.2.1　創(chuàng)建矩陣　102 5.2.2　線性代數(shù)運(yùn)算　103 5.2.3　使用矩陣索引　105 5.2.4　apply函數(shù)族　106 5.2.5　多維數(shù)組　107 5.3　數(shù)據(jù)框　108 5.3.1　創(chuàng)建數(shù)據(jù)框　108 5.3.2　訪問(wèn)數(shù)據(jù)框中的元素　109 5.3.3　使用SQL語(yǔ)句查詢數(shù)據(jù)框　110 5.4　因子　111 5.5　列表　112 5.6　數(shù)據(jù)導(dǎo)入與導(dǎo)出　113 5.6.1　數(shù)據(jù)文件的讀寫(xiě)　113 5.6.2　rio包　116 5.6.3　數(shù)據(jù)編輯器　118 5.7　數(shù)據(jù)清洗　118 5.7.1　數(shù)據(jù)排序　119 5.7.2　數(shù)據(jù)清洗的一般方法　120 5.7.3　mice包　122 習(xí)題　127 第6章　繪圖與數(shù)據(jù)可視化　128 6.1　基本圖形與繪圖函數(shù)　129 6.1.1　基礎(chǔ)圖形的創(chuàng)建　129 6.1.2　新增繪圖窗口　131 6.1.3　導(dǎo)出圖形　131 6.2　調(diào)整繪圖參數(shù)　133 6.2.1　自定義特征　133 6.2.2　調(diào)整符號(hào)與線條　134 6.2.3　調(diào)整顏色　135 6.2.4　調(diào)整標(biāo)簽與標(biāo)題文本　137 6.3　其他自定義元素　140 6.3.1　坐標(biāo)軸　140 6.3.2　次要刻度線　140 6.3.3　網(wǎng)格線　141 6.3.4　疊加繪圖　143 6.3.5　圖例　144 6.3.6　標(biāo)注　145 6.4　描述性統(tǒng)計(jì)圖　146 6.4.1　柱狀圖　146 6.4.2　餅圖　149 6.4.3　直方圖　150 6.4.4　箱形圖　151 6.4.5　三維繪圖　152 6.5　動(dòng)態(tài)圖形　155 6.5.1　保存為GIF格式　155 6.5.2　gganimate包　157 習(xí)題　160 第7章　統(tǒng)計(jì)與回歸分析　162 7.1　定性數(shù)據(jù)與定量數(shù)據(jù)　163 7.1.1　定性數(shù)據(jù)　163 7.1.2　定量數(shù)據(jù)　166 7.2　數(shù)據(jù)的數(shù)值度量　173 7.2.1　均值　173 7.2.2　中位值　173 7.2.3　四分位數(shù)　173 7.2.4　百分位數(shù)　174 7.2.5　變化范圍　174 7.2.6　四分位距　174 7.2.7　方差與標(biāo)準(zhǔn)差　175 7.2.8　協(xié)方差　175 7.2.9　相關(guān)系數(shù)　176 7.3　概率分布與假設(shè)檢驗(yàn)　176 7.3.1　二項(xiàng)式分布　177 7.3.2　泊松分布　178 7.3.3　連續(xù)均勻分布　178 7.3.4　指數(shù)分布　179 7.3.5　正態(tài)分布　180 7.3.6　? 2分布　181 7.3.7　學(xué)生t分布　182 7.3.8　統(tǒng)計(jì)假設(shè)檢驗(yàn)　182 7.4　回歸分析　187 7.4.1　簡(jiǎn)單線性回歸　187 7.4.2　多元線性回歸　192 7.4.3　邏輯回歸　196 習(xí)題　199 第8章　統(tǒng)計(jì)機(jī)器學(xué)習(xí)　201 8.1　特征空間與距離　203 8.1.1　距離的定義　203 8.1.2　KNN分類(lèi)　207 8.2　聚類(lèi)算法　209 8.2.1　k均值聚類(lèi)　209 8.2.2　層次聚類(lèi)　211 8.2.3　密度聚類(lèi)　216 8.3　分類(lèi)算法　219 8.3.1　決策樹(shù)　219 8.3.2　樸素貝葉斯方法　225 8.3.3　支持向量機(jī)　229 8.4　集成學(xué)習(xí)　233 8.4.1　基本方法　233 8.4.2　隨機(jī)森林　234 8.4.3　堆疊式集成學(xué)習(xí)　238 習(xí)題　245 第9章　神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)　247 9.1　基本原理　249 9.1.1　神經(jīng)元　249 9.1.2　多層感知器模型　250 9.1.3　反向傳播算法　251 9.2　感知器模型　252 9.2.1　neuralnet包　252 9.2.2　非線性回歸　254 9.2.3　分類(lèi)　256 9.3　深度神經(jīng)網(wǎng)絡(luò)　261 9.3.1　深度神經(jīng)網(wǎng)絡(luò)的形式　261 9.3.2　MXNetR包　264 9.3.3　keras包　272 習(xí)題　280 附錄1　常用函數(shù)速查表　281 附錄2　《R語(yǔ)言基礎(chǔ)與數(shù)據(jù)科學(xué) 應(yīng)用》配套實(shí)驗(yàn)課程方案簡(jiǎn)介　285 參考文獻(xiàn)　286