该书是数据挖掘和机器学习的入门课程，分为上下两篇，上篇是R语言基础与数据预处理，重点是让学生掌握R语言基础，使其具备一定的编程基础并掌握数据预处理方法。下篇是数据挖掘与机器学习方法，内容包括有监督学习（回归、分类、决策树、集成学习、支持向量机、神经网络）和无监督学习（主成分分析、因子分析、典型相关分析和推荐算法）。
本书内容全面，讲解深入浅出，在讲解模型原理的同时辅之以翔实的案例分析，让学生能够更快更好地深入理解每个模型；此外，本书理论与实践结合，每章节都会相应地讲解本章所学方法的R语言程序编写和实务操作，提高学生的动手能力和实际数据分析能力。
本书可作为统计学类和经济管理类高年级本科生、应用型研究生数据挖掘和机器学习的教材，同时还可以作为数据挖掘和机器学习兴趣爱好者的参考书。

上篇 R语言基础与数据预处理
第1章 R语言简介与数据对象
1.1 R语言简介
1.2 数据类型
1.3 数据对象
1.4 习题
第2章 函数与优化
2.1 条件控制语句
2.2 循环语句
2.3 编写自己的函数
2.4 程序调试
2.5 程序运行时间与效率
2.6 用R做优化求解
2.7 习题
第3章 随机数与抽样模拟
3.1 一元随机数的产生
3.2 多元随机数的生成
3.3 随机抽样
3.4 统计模拟
3.5 习题
第4章 数据清洗与特征工程
4.1 数据读写
4.2 变量预处理
4.3 数据变换
4.4 缺失数据处理
4.5 数据集的运算
4.6 习题
第5章 探索性数据分析
5.1 单变量探索性数据分析
5.2 双变量探索性数据分析
5.3 多变量探索性数据分析
5.4 高阶绘图工具——ggplot2
5.5 文本数据可视化
5.6 习题
第6章 假设检验
6.1 参数假设检验的思想与步骤
6.2 正态总体单样本参数假设检验
6.3 正态总体双样本参数假设检验
6.4 比例假设检验
6.5 非参数假设检验：图示法和正态性检验
6.6 非参数假设检验：卡方检验
6.7 非参数假设检验：秩和检验
6.8 非参数假设检验：K-S检验(Kolmogorov-Smirnov)
6.9 习题
……
下篇 数据挖掘与机器学习
参考文献