Классификация, регрессия и другие алгоритмы Data Mining с использованием R

 1.РЕАЛИЗАЦИЯ МОДЕЛЕЙ DATA MINING В СРЕДЕ R (ВМЕСТО ПРЕДИСЛОВИЯ)....6 1.1.Data Mining как направление анализа данных....6 1.2.Статистическая среда R и ее использование в Data Mining....15 1.3.О чем эта книга и чего в ней нет....19 2.СТАТИСТИЧЕСКИЕ МОДЕЛИ: КРИТЕРИИ И МЕТОДЫ ИХ ОЦЕНИВАНИЯ....24 2.1.Основные шаги построения и верификации моделей....24 2.2.Использование алгоритмов ресэмплинга для тестирования и оптимизации параметров моделей....33 2.3.Модели для предсказания класса объектов....39 2.4.Проецирование многомерных данных на плоскости....47 2.5.Многомерный статистический анализ данных....51 2.6.Методы кластеризации....54 3.ПАКЕТ СARET - ИНСТРУМЕНТ ПОСТРОЕНИЯ СТАТИСТИЧЕСКИХ МОДЕЛЕЙ В R....60 3.1.Универсальный интерфейс доступа к функциям машинного обучения в пакете caret....60 3.2.Обнаружение и удаление "ненужных" предикторов....62 3.3.Предварительная обработка данных: преобразование и групповая трансформация переменных....66 3.4.Заполнение пропущенных значений в данных....73 3.5.Функция train() пакета caret....80 4.ПОСТРОЕНИЕ РЕГРЕССИОННЫХ МОДЕЛЕЙ РАЗЛИЧНОГО ТИПА....88 4.1.Селекция оптимального набора предикторов линейной модели....88 4.2.Регуляризация, частные наименьшие квадраты и kNN-регрессия....96 4.3.Построение деревьев регрессии....103 4.4.Ансамбли моделей: бэггинг, случайный лес, бустинг....113 4.5.Сравнение построенных моделей и оценка информативности предикторов....122 4.6.Деревья регрессии с многомерным откликом....127 5.БИНАРНЫЕ МАТРИЦЫ И АССОЦИАТИВНЫЕ ПРАВИЛА....134 5.1.Классификация в бинарных пространствах с использованием классических моделей....134 5.2.Бинарные деревья решений....141 5.3.Поиск логических закономерностей в данных....144 5.4.Алгоритмы выделения ассоциативных правил....148 5.5.Анализ последовательностей знаков или событий....155 6.БИНАРНЫЕ КЛАССИФИКАТОРЫ С РАЗЛИЧНЫМИ РАЗДЕЛЯЮЩИМИ ПОВЕРХНОСТЯМИ....165 6.1.Дискриминантный анализ....165 6.2.Метод опорных векторов....171 6.3.Ядерные функции машины опорных векторов....175 6.4.Деревья классификации, случайный лес и логистическая регрессия....181 6.5.Процедуры сравнения эффективности моделей классификации....184 7.МОДЕЛИ КЛАССИФИКАЦИИ ДЛЯ НЕСКОЛЬКИХ КЛАССОВ....191 7.1.Ирисы Фишера и метод k-ближайших соседей....191 7.2.Наивный классификатор Байеса....196 7.3.Классификация в линейном дискриминантном пространстве....199 7.4.Нелинейные классификаторы в R....203 7.5.Модель мультиномиального логита....208 7.6.Классификаторы на основе искусственных нейронных сетей....210 8.МОДЕЛИРОВАНИЕ ПОРЯДКОВЫХ И СЧЕТНЫХ ПЕРЕМЕННЫХ....216 8.1.Модель логита для порядковой переменной....216 8.2.Настройка параметров нейронных сетей средствами пакета caret....223 8.3.Методы комплексации модельных прогнозов....226 8.4.Обобщенные линейные модели для счетных данных....232 8.5.ZIP- и барьерные модели счетных данных....241 9.МЕТОДЫ МНОГОМЕРНОЙ ОРДИНАЦИИ....247 9.1.Преобразование данных и вычисление матрицы расстояний....247 9.2.Непараметрический дисперсионный анализ матриц дистанций....251 9.3.Методы ординации объектов и переменных: построение и сравнение диаграмм....255 9.4.Оценка связи ординации с внешними факторами....263 9.5.Неметрическое многомерное шкалирование и построение распределения чувствительности видов....269 10.КЛАСТЕРНЫЙ АНАЛИЗ....277 10.1.Алгоритмы кластеризации, основанные на разделении....277 10.2.Иерархическая кластеризация....284 10.3.Оценка качества кластеризации....290 10.4.Другие алгоритмы кластеризации....295 10.5.Самоорганизующиеся карты Кохонена....304 11.RATTLE: ГРАФИЧЕСКИЙ ИНТЕРФЕЙС R ДЛЯ РЕАЛИЗАЦИИ АЛГОРИТМОВ DATA MINING....312 11.1. Начало работы с пакетом rattle....312 11.2. Описательная статистика и визуализация данных....313 11.3. Построение и тестирование моделей классификации....316 11.4. Дескриптивные модели (обучение без учителя)....322 Список рекомендуемой литературы....327 ПРИЛОЖЕНИЕ.R: Справочная карта по Data Mining (Y. Zhao)....334