數據分析、機器學習、人工智能必讀書目——《R語言實戰第二版》

我們已經進入了全新的數據時代，大數據、雲計算、物聯網、機器學習、人工智能等等一系列技術紛至沓來，數據的管理和應用已經滲透到每一個行業和業務領域，成為當今以及未來商業運作的基礎資產。可以說，只有掌握數據並善於運用數據的人，才會在競爭日益激烈的環境中尋得先機。 那麼我們該怎麼樣學習大數據分析、機器學習以及人工智能？作者認為，學習大數據、機器學習和人工智能，所需的知識分為五個層次，一是數學知識；二是統計學知識；三是算法知識；四是工具知識；五是哲學思想知識。所謂工具知識，就是我們需要藉助計算機軟件來完成相關的分析和運算，目前大數據和機器學習領域熱門的語言就是 R 和 Python。我們會分別介紹這五個層次所需要看的書，希望對大家有用。

《R語言實戰第二版》

• 作者：卡巴科弗

• 譯者: 高濤 / 肖楠 / 陳鋼

• 頁數: 459

• 出版：人民郵電出版社 2016年版

簡要評價：

我同時使用 Python 和 R，個人的感覺，雖然 Python 勢頭很凶猛，但與 R 的深厚積累相比還有差距。尤其是 R 的向量化計算方式，比 Python 方便很多。當然這只是個人喜好，不同意的別介意哦。這本書是我學習R語言的入門書，我非常喜歡。

我個人感覺，這本書好就好在不是以 R 語言的語法為脈絡，而是以實際統計分析需求為脈絡，相當於將統計學各種計算用 R 語言表達出來，因此這本書適合有一定統計學基礎的看。書籍本身沒有太多介紹R軟件的原理以及R語言本身的複雜特性，而是從實用的統計研究角度分析R在數據處理，模型構建，以及圖形操作上的由淺入深的應用。 如果你想學R的統計應用，這本書很實在，而且命令豐富； 如果你是著眼於R的編程，那麼這本書還不是太全面。

主要內容

本書從解決實際問題入手，儘量跳脫統計學的理論闡述來討論R語言及其應用，講解清晰透澈，極具實用性。作者不僅高度概括了R語言的強大功能，展示了各種實用的統計示例，而且對於難以用傳統方法分析的凌亂、不完整和非正態的數據也給出了完備的處理方法。第2版新增6章內容，涵蓋時間序列、聚類分析、分類、高級編程、創建包和創建動態報告等，並分別詳細介紹瞭如何使用ggplot2和lattice進行高級繪圖。通讀本書，你將全面掌握使用R語言進行數據分析、數據挖掘的技巧，領略大量探索和展示數據的圖形功能，並學會如何撰寫動態報告，從而更加高效地進行分析與溝通。

想要成為備受高科技企業追捧的數據分析師嗎？想要科學分析數據並正確決策嗎？不妨從本書開始，挑戰大數據，用R開始炫酷地統計與分析數據吧！

書籍目錄

第一部分 入門

第1章　R語言介紹

• 1.1　為何要使用R

• 1.2　R的獲取和安裝

• 1.3　R的使用

• 1.4　包

• 1.5　批處理

• 1.6　將輸出用為輸入：結果的重用

• 1.7　處理大數據集

• 1.8　示例實踐

• 1.9　小結

第2章　創建數據集

• 2.1　數據集的概念

• 2.2　數據結構

• 2.3　數據的輸入

• 2.4　數據集的標註

• 2.5　處理數據對象的實用函數

• 2.6　小結

第3章　圖形初階

• 3.1　使用圖形

• 3.2　一個簡單的例子

• 3.3　圖形參數

• 3.4　添加文本、自定義座標軸和圖例

• 3.5　圖形的組合

• 3.6　小結

第4章　基本數據管理

• 4.1　一個示例

• 4.2　創建新變量

• 4.3　變量的重編碼

• 4.4　變量的重命名

• 4.5　缺失值

• 4.6　日期值

• 4.7　類型轉換

• 4.8　數據排序

• 4.9　數據集的合併

• 4.10　數據集取子集

• 4.11　使用SQL語句操作數據框

• 4.12　小結

第5章　高級數據管理

• 5.1　一個數據處理難題

• 5.2　數值和字符處理函數

• 5.3　數據處理難題的一套解決方案

• 5.4　控制流

• 5.5　用戶自編函數　

• 5.6　整合與重構

• 5.7　小結

第二部分 基本方法

第6章　基本圖形

• 6.1　條形圖

• 6.2　餅圖

• 6.3　直方圖

• 6.4　核密度圖

• 6.5　箱線圖

• 6.6　點圖

• 6.7　小結

第7章　基本統計分析

• 7.1　描述性統計分析

• 7.2　頻數表和列聯表

• 7.3　相關

• 7.4　t 檢驗

• 7.5　組間差異的非參數檢驗

• 7.6　組間差異的可視化

• 7.7　小結

第三部分 中級方法

第8章　迴歸

• 8.1　迴歸的多面性

• 8.2　OLS迴歸

• 8.3　迴歸診斷

• 8.4　異常觀測值

• 8.5　改進措施

• 8.6　選擇“最佳”的迴歸模型

• 8.7　深層次分析

• 8.8　小結

第9章　方差分析

• 9.1　術語速成

• 9.2　ANOVA模型擬合

• 9.3　單因素方差分析

• 9.4　單因素協方差分析

• 9.5　雙因素方差分析

• 9.6　重複測量方差分析

• 9.7　多元方差分析

• 9.8　用迴歸來做ANOVA

• 9.9　小結

第10章　功效分析

• 10.1　假設檢驗速覽

• 10.2　用pwr包做功效分析

• 10.3　繪製功效分析圖形

• 10.4　其他軟件包

• 10.5　小結

第11章　中級繪圖

• 11.1　散點圖

• 11.2　折線圖

• 11.3　相關圖

• 11.4　馬賽克圖

• 11.5　小結

第12章　重抽樣與自助法 12.1　置換檢驗 12.2　用coin包做置換檢驗 12.3　lmPerm包的置換檢驗 12.4　置換檢驗點評 12.5　自助法 12.6　boot包中的自助法 12.7　小結

第四部分 高級方法

第13章　廣義線性模型

• 13.1　廣義線性模型和glm()函數

• 13.2　Logistic迴歸

• 13.3　泊松迴歸

• 13.4　小結

第14章　主成分分析和因子分析

• 14.1　R 中的主成分和因子分析

• 14.2　主成分分析

• 14.3　探索性因子分析

• 14.4　其他潛變量模型

• 14.5　小結

第15章　時間序列

• 15.1　在R中生成時序對象

• 15.2　時序的平滑化和季節性分解

• 15.3　指數預測模型

• 15.4　ARIMA 預測模型

• 15.5　延伸閱讀

• 15.6　小結

第16章　聚類分析

• 16.1　聚類分析的一般步驟

• 16.2　計算距離

• 16.3　層次聚類分析

• 16.4　劃分聚類分析

• 16.5　避免不存在的類

• 16.6　小結

第17章　分類

• 17.1　數據準備

• 17.2　邏輯迴歸

• 17.3　決策樹

• 17.4　隨機森林

• 17.5　支持向量機

• 17.6　選擇預測效果最好的解

• 17.7　用rattle包進行數據挖掘

• 17.8　小結

第18章　處理缺失數據的高級方法

• 18.1　處理缺失值的步驟

• 18.2　識別缺失值

• 18.3　探索缺失值模式

• 18.4　理解缺失數據的來由和影響

• 18.5　理性處理不完整數據

• 18.6　完整實例分析（行刪除）

• 18.7　多重插補

• 18.8　處理缺失值的其他方法

• 18.9　小結　

第五部分 技能拓展

第19章　使用ggplot2進行高級繪圖

• 19.1　R 中的四種圖形系統

• 19.2　ggplot2包介紹

• 19.3　用幾何函數指定圖的類型

• 19.4　分組

• 19.5　刻面

• 19.6　添加光滑曲線

• 19.7　修改ggplot2圖形的外觀

• 19.8　保存圖形

• 19.9　小結

第20章　高級編程

• 20.1　R 語言回顧

• 20.2　環境

• 20.3　面向對象的編程

• 20.4　編寫有效的代碼

• 20.5　調試

• 20.6　深入學習

• 20.7　小結

第21章　創建包

• 21.1　非參分析和npar包

• 21.2　開發包

• 21.3　創建包的文檔

• 21.4　建立包

• 21.5　深入學習

• 21.6　小結

第22章　創建動態報告

• 22.1　用模版生成報告

• 22.2　用R和Markdown創建動態報告

• 22.3　用R和LaTeX創建動態報告

• 22.4　用R和Open Document創建動態報告

• 22.5　用R和Microsoft Word創建動態報告

• 22.6　小結

第23章　使用lattice進行高級繪圖

• 23.1　lattice包

• 23.2　調節變量

• 23.3　面板函數

• 23.4　分組變量

• 23.5　圖形參數

• 23.6　自定義圖形條帶

• 23.7　頁面佈局

• 23.8　深入學習

• 附錄A　圖形用戶界面

• 附錄B　自定義啟動環境

• 附錄C　從R中導出數據

• 附錄D　R中的矩陣運算

• 附錄E　本書中用到的擴展包

• 附錄F　處理大數據集

• 附錄G　更新R

• 後記：探索R的世界

• 參考文獻

喜歡閒適安靜的生活，懂一點計算機編程，懂一點統計學和數據分析。（愛編程愛統計）