数据分析之R语言实战培训

第1节
1.课程介绍和数据分析基本理论.new

第2节
2.工具介绍及R语言的安装
第3节
3.获取R的帮助文档及包的安装

第4节
4.其他辅助工具和示例实践

第5节
1.R语言的对象介绍
第6节
2.数据处理
第7节
3.实践案例

第8节
1.位置的度量

第9节
2.数据离散和分布统计

第10节
3.描述统计量和列联表
第11节
4.相关性及显著性检验

第12节
1.颜色参数设置
第13节
2.文字、点、线参数设置

第14节
3.低级绘图函数

第15节
4.高级绘图函数

第16节
1、线性回归理论知识
第17节
2、简单线性回归和多项式回归
第18节
3、多元线性回归即检验

第19节
4、logistic回归

第20节
1、识别缺失值

第21节
2、探索缺失值模式
第22节
3、缺失值处理

第23节
1、主成分原理和案例

第24节
2、利用PCA构造股票指数
第25节
3、因子分析和对应分析

第26节
1、聚类分析原理及R语言实现

第27节
2、k-均值和k-中心点聚类案例

第28节
3、层次聚类、密度聚类和EM聚类案例

第29节
1、分类树和回归树简介及案例演示

第30节
2、组合方法：adaboost、bagging和随机森林简介及案例演示

第31节
3、人工神经网络和支持向量机简介及案例演示

第32节
1、quantmod包介绍及案例演示

第33节
2、XML包函数介绍及案例演示

第34节
3、RCurl包介绍及案例演示

第35节
1、shiny包基础介绍
第36节
2、shiny重要函数和shinydashboard包介绍