这不是有免费的么http://www.manning.com/kabacoff/,再说了这本书的名字你也写错了,没有数据挖掘

新出的书！ 搞清楚

这么牛的书啊！楼主买了吗，内容怎么样啊？

数据挖掘_R语言实战_黄文2014

当当网上有这本书，电子工业出版社，2014
第1 章
目 录
第0 章 致敬，R！ ............................................................................. 1
致敬，肩膀！.................... 1
致敬，时代！.................... 3
致敬，人才！.................... 4
致敬，R 瑟！ .................... 5
上篇 数据预处理
第1 章 数据挖掘导引.......10
1.1 数据挖掘概述........10
1.1.1 数据挖掘的过程.....................................................10
1.1.2 数据挖掘的对象.....................................................12
1.1.3 数据挖掘的方法.....................................................12
1.1.4 数据挖掘的应用.....................................................13
1.2 数据挖掘的算法....14
1.3 数据挖掘的工具....17
1.3.1 工具的分类17
1.3.2 工具的选择18
1.3.3 商用的工具19
1.3.4 开源的工具21
1.4 R 在数据挖掘中的优势......................................................23
数据挖掘：R 语言实战
VI
第2 章 数据概览.................25
2.1 n×m 数据集............25
2.2 数据的分类............28
2.2.1 一般的数据分类.....................................................28
2.2.2 R 的数据分类..........................................................29
2.2.3 用R 简单处理数据................................................31
2.3 数据抽样及R 实现34
2.3.1 简单随机抽样..........................................................34
2.3.2 分层抽样....36
2.3.3 整群抽样....38
2.4 训练集与测试集....40
2.5 本章汇总.................40
第3 章 用R 获取数据......42
3.1 获取内置数据集....42
3.1.1 datasets 数据集........................................................42
3.1.2 包的数据集43
3.2 获取其他格式的数据..........................................................45
3.2.1 CSV 与TXT 格式...................................................45
3.2.2 从Excel 直接获取数据.........................................47
3.2.3 从其他统计软件中获取数据................................48
3.3 获取数据库数据....50
3.4 获取网页数据........52
3.5 本章汇总.................55
第4 章 探索性数据分析...56
4.1 数据集.....................56
4.2 数字化探索............57
4.2.1 变量概况....57
4.2.2 变量详情....58
4.2.3 分布指标....61
4.2.4 稀疏性........62
4.2.5 缺失值........63
4.2.6 相关性........65
4.3 可视化探索............68
4.3.1 直方图........68
目 录
VII
4.3.2 累积分布图71
4.3.3 箱形图........73
4.3.4 条形图........78
4.3.5 点阵图........81
4.3.6 饼图............82
4.5 本章汇总.................84
第5 章 数据预处理............86
5.1 数据集加载............86
5.2 数据清理.................88
5.2.1 缺失值处理90
5.2.2 噪声数据处理..........................................................95
5.2.3 数据不一致的处理.................................................97
5.3 数据集成.................99
5.4 数据变换...............101
5.5 数据归约...............102
5.6 本章汇总...............104
中篇 基本算法及应用
第6 章 关联分析...............106
6.1 概述........................106
6.2 R 中的实现...........109
6.2.1 相关软件包............................................................109
6.2.2 核心函数...109
6.2.3 数据集......110
6.3 应用案例...............111
6.3.1 数据初探...111
6.3.2 对生成规则进行强度控制..................................112
6.3.3 一个实际应用........................................................114
6.3.4 改变输出结果形式...............................................115
6.3.5 关联规则的可视化...............................................116
6.4 本章汇总...............120
第7 章 聚类分析...............121
7.1 概述........................121
7.1.1 K-均值聚类............................................................122
数据挖掘：R 语言实战
VIII
7.1.2 K-中心点聚类........................................................122
7.1.3 系谱聚类...122
7.1.4 密度聚类...124
7.1.5 期望最大化聚类...................................................125
7.2 R 中的实现...........126
7.2.1 相关软件包............................................................126
7.2.2 核心函数...127
7.2.3 数据集......129
7.3 应用案例...............131
7.3.1 K-均值聚类............................................................131
7.3.2 K-中心点聚类........................................................135
7.3.3 系谱聚类...137
7.3.4 密度聚类...140
7.3.5 期望最大化聚类...................................................145
7.4 本章汇总...............150
第8 章 判别分析...............151
8.1 概述........................151
8.1.1 费希尔判别............................................................152
8.1.2 贝叶斯判别............................................................153
8.1.3 距离判别...153
8.2 R 中的实现...........154
8.2.1 相关软件包............................................................154
8.2.2 核心函数...155
8.2.3 数据集......157
8.3 应用案例...............161
8.3.1 线性判别分析........................................................161
8.3.2 朴素贝叶斯分类...................................................167
8.3.3 K 最近邻...172
8.3.4 有权重的K 最近邻算法.....................................174
8.4 推荐系统综合实例............................................................175
8.4.1 kNN 与推荐...........................................................176
8.4.2 MovieLens 数据集说明.......................................176
8.4.3 综合运用...177
8.5 本章汇总...............182
目 录
IX
第9 章 决策树...................183
9.1 概述........................183
9.1.1 树形结构...183
9.1.2 树的构建...184
9.1.3 常用算法...185
9.2 R 中的实现...........185
9.2.1 相关软件包............................................................185
9.2.2 核心函数...186
9.2.3 数据集......187
9.3 应用案例...............190
9.3.1 CART 应用.............................................................191
9.3.2 C4.5 应用..202
9.4 本章汇总...............205
下篇 高级算法及应用
第10 章 集成学习............208
10.1 概述.....................208
10.1.1 一个概率论小计算.............................................208
10.1.2 Bagging 算法.......................................................209
10.1.3 AdaBoost 算法.....................................................209
10.2 R 中的实现.........209
10.2.1 相关软件包..........................................................209
10.2.2 核心函数210
10.2.3 数据集....210
10.3 应用案例.............213
10.3.1 Bagging 算法.......................................................213
10.3.2 Adaboost 算法.....................................................218
10.4 本章汇总.............219
第11 章 随机森林............220
11.1 概述......................220
11.1.1 基本原理.220
11.1.2 重要参数.222
11.2 R 中的实现.........223
11.2.1 相关软件包..........................................................223
数据挖掘：R 语言实战
X
11.2.2 核心函数.223
11.2.3 可视化分析..........................................................231
11.3 应用案例.............232
11.3.1 数据处理.233
11.3.2 建立模型.234
11.3.3 结果分析.235
11.3.4 自变量的重要程度.............................................236
11.3.5 优化建模.237
11.4 本章汇总.............241
第12 章 支持向量机.......242
12.1 概述.....................242
12.1.1 结构风险最小原理.............................................243
12.1.2 函数间隔与几何间隔.........................................244
12.1.3 核函数....245
12.2 R 中的实现.........245
12.2.1 相关软件包..........................................245
12.2.2 核心函数246
12.2.3 数据集....248
12.3 应用案例.............248
12.3.1 数据初探249
12.3.2 建立模型249
12.3.3 结果分析249
12.3.4 预测判别250
12.3.5 综合建模251
12.3.6 可视化分析..........................................................252
12.3.7 优化建模254
12.4 本章汇总.............256
第13 章 神经网络............257
13.1 概述.....................257
13.2 R 中的实现.........258
13.2.1 相关软件包..........................................................258
13.2.2 核心函数258
13.3 应用案例.............261
13.3.1 数据初探261
目 录
XI
13.3.2 数据处理262
13.3.3 建立模型263
13.3.4 结果分析264
13.3.5 预测判别264
13.3.6 模型差异分析......................................................266
13.3.7 优化建模268
13.4 本章汇总.............272
第14 章 模型评估与选择.............................................................273
14.1 评估过程概述....273
14.2 安装Rattle 包....274
14.3 Rattle 功能简介..275
14.3.1 Data——选取数据..............................................275
14.3.2 Explore——数据探究........................................276
14.3.3 Test——数据相关检验......................................276
14.3.4 Transform——数据预处理...............................277
14.3.5 Cluster——数据聚类..........................................277
14.3.6 Model——模型评估...........................................277
14.3.7 Evaluate——模型评估.......................................280
14.3.8 Log——模型评估记录......................................281
14.4 模型评估相关概念..........................................................281
14.4.1 误判率....281
14.4.2 正确/错误的肯定判断、正确/错误的否定判断........................................................281
14.4.3 精确度、敏感度及特异性................................282
14.5 Rattle 在模型评估中的应用..........................................282
14.5.1 混淆矩阵282
14.5.2 风险图....283
14.5.3 ROC 图及相关图表............................................286
14.5.4 模型得分数据集.................................................287
14.6 综合实例.............288
14.6.1 数据介绍288
14.6.2 模型建立288
14.6.3 模型结果分析......................................................289
数据挖掘：R 语言实战
XII

买了，读了，写的比较简单。