第1章 数据分析基础

1.1统计基础

1.1.1概率与统计

1.1.2统计量与分布

1.1.3参数估计

1.1.4假设检验

1.2软件与开发工具介绍

1.2.1数据库软件

1.2.2计算软件

1.2.3开发软件

第2章 数据预处理

2.1数据获取

2.2数据预处理过程

2.3数据清洗

2.3.1缺失值处理

2.3.2重复值处理

2.4数据集成

2.5数据变换

2.6数据规约

第3章 R使用入门

3.1 R的获取和安装

3.2 R的使用

3.3 R的包

3.4 R的数据对象与数据操作

3.5 R数据的导入与导出

3.6 R的条件控制与循环

3.7 R数据预处理

3.8 R的概率分布

第4章 R图形分析

4.1初始化图形

4.1.1图形的建立与保存

4.1.2图形的组合

4.1.3一个实例

4.2高级绘图命令

4.3低级绘图命令

4.4绘图参数

4.4.1颜色

4.4.2文本属性

4.4.3符号和线条

4.4.4标题

4.4.5图例

4.4.6坐标轴

4.5图形库

4.5.1直方图

4.5.2条形图

4.5.3散点图

4.5.4饼图

4.5.5箱线图

4.5.6矩阵图

4.5.7马赛克图

4.5.8热图

4.5.9 QQ图

4.5.10平行坐标图

第5章 方差分析

5.1方差分析的基本过程

5.1.1单因素方差分析

5.1.2双因素方差分析

5.2方差分析的R实现

5.2.1单因素方差分析R实现

5.2.2双因素方差分析

5.3多因素方差分析的R实现

第6章 回归分析

6.1线性回归模型

6.2线性回归模型的统计分析

6.3线性回归分析在R中的实现

6.4 Logistic回归原理

6.5 Logistic模型的求解

6.6 Logistic回归模型的评价和检验

6.7多Logistic回归的分类与应用

6.8逐步Logistic回归分析

6.9 Logistic回归的R实践

第7章 聚类与分类分析

7.1聚类分析

7.2聚类中的距离度量

7.2.1连续性数值变量的距离度量方法

7.2.2离散型属性变量的距离度量方法

7.2.3 R距离度量的实现

7.3层次聚类法

7.3.1凝聚式聚类

7.3.2层次聚类R实现

7.4 K-均值聚类

7.5数据分类

7.5.1决策树方法

7.5.2贝叶斯分类

7.5.3 SVM方法

7.5.4 KNN分类

第8章 EM算法和MCMC方法

8.1 EM算法

8.1.1初识EM算法

8.1.2 EM算法简述

8.1.3经典例题

8.1.4两个重要的定理

8.2 MCMC方法

8.2.1初识MCMC方法

8.2.2 Metropolis-Hastings方法

8.2.3 Gibbs Sampling方法