本书首先介绍了R语言的相关知识，包括R语育基础、R谱育可视化技术。随后本书详细介绍了数据挖拥与数据分析中重要的理论方法与基础知识，包括线性回归、逻辑回归、决策树与回归树、随机森林、贝叶斯分类器等内容，并展示了如何将R语育用到这此方法的具体场景中。本书通过结合数据挖掘技术的理论知识与R语育的实战应用，带助谈者更好地运用R语言解决数据挖掘中的实际问题。
本书适合作为高等院校管理科学与工程类、工商管理类等专业本科生、研究生的教材，也可以作为相关从业人员的参考谈物。

前言
第1章 R语言基础
[学习目标]
[应用背景介绍]
1.1 R语言中的数据读取和数据导出
1.1.1 第一个R会话
1.1.2 变量赋值
1.1.3 从文件中读取数据
1.1.4 从R语言的包中获取数据
1.1.5 导出数据
1.2 R语言中的数据类型和对象
1.2.1 数据类型
1.2.2 R语言中的向量
1.2.3 R语言中的矩阵
1.2.4 R语言中的数据框
1.2.5 R语言中的列表
1.2.6 R语言中的因子
1.3 R语言中的控制语句及函数
1.3.1 if分支
1.3.2 for循环
1.3.3 while循环
1.3.4 switch语句
1.3.5 自定义函数
1.3.6 R语言中的内置函数
1.4 R语言中的数据处理
1.4.1 从数据集中提取信息
1.4.2 缺失信息处理
1.4.3 运算符
1.4.4 替换现有字段中的数据
1.4.5 变量的重命名
1.4.6 数字的四舍五入
1.4.7 子集数据
1.4.8 随机抽样
1.4.9 apply()函数集合
1.4.10 数据类型转换
1.4.11 数据聚合
1.4.12 文本数据排序
1.4.13 数据合并
1.4.14 table()函数
1.5 R包
1.5.1 dplyr包
1.5.2 tidyr包
本章小结
课后习题
第2章 R语言可视化技术
[学习目标]
[应用背景介绍]
2.1 ggplot2的图层语法
……
第3章 线性回归
第4章 逻辑回归
第5章 决策树与回归树
第6章 随机森林
第7章 贝叶斯分类器
第8章 层次聚类
第9章 K均值聚类
第10章 关联规则分析
第11章 案例分析之随机森林
第12章 案例分析之K均值聚类
参考文献