数据挖掘突破了传统数据分析理论的应用局限，利用高性能算法逼近数据规律的真相。R语言则以其开源性、全面性、操作简便性和可扩展性，成为数据挖掘实践的有效工具。本书秉承“道理讲明白，操作讲明白，结果讲明白，应用案例讲明白”的写作风格，围绕数据预测、揭示数据内在结构等数据挖掘核心目标，深入浅出地介绍了众多经典数据挖掘方法，并提供了丰富的R语言实现案例。
本书可作为高等学校相关专业本科生和研究生的数据挖掘课程教材，也适合科研机构、政府和企业经营管理部门的研究人员阅读参考。

第1章 数据挖掘与R语言概述
1.1 什么是数据挖掘
1.2 数据挖掘的结果
1.2.1 数据挖掘结果的呈现方式
1.2.2 数据挖掘结果的基本特征
1.3 数据挖掘能做什么
1.3.1 数据预测
1.3.2 发现数据的内在结构
1.3.3 发现关联性
1.3.4 模式诊断
1.4 数据挖掘方法的特点
1.4.1 对目标契合度不高的数据，怎样的建模策略能够更好地迎合分析的需要
1.4.2 对于海量、高维数据，怎样的建模策略能够更好地揭示数据特征，提高分析效率
1.4.3 对于复杂类型和关系数据，怎样的建模策略能够清晣地揭示数据的特征
1.5 数据挖掘的典型应用
1.5.1 数据挖掘在客户细分研究中的应用
1.5.2 数据挖掘在客户流失分析中的应用
1.5.3 数据挖掘在营销响应分析中的应用
1.5.4 数据挖掘在交叉销售中的应用
1.5.5 数据挖掘在欺诈甄别中的应用
1.6 R语言入门必备
1.6.1 R的包
1.6.2 R的下载安装
1.6.3 R起步
1.6.4 R的运行方式和其他
1.7 RStudio简介
1.8 本章函数列表
第2章 R的数据组织和整理
2.1 R的数据对象
2.1.1 从存储角度划分R对象
2.1.2 从结构角度划分R对象
2.1.3 创建和访问R的数据对象
2.2 向量的创建和访问
2.2.1 创建只包含一个元素的向量
2.2.2 创建包含多个元素的向量
2.2.3 访问向量中的元素
2.3 矩阵的创建和访问
2.3.1 创建矩阵
2.3.2 访问矩阵中的元素
2.4 数据框的创建和访问
2.4.1 创建数据框
2.4.2 访问数据框
2.5 数组和列表的创建和访问
2.5.1 创建和访问数组
2.5.2 创建和访问列表
2.6 数据对象的相互转换
2.6.1 不同存储类型之间的转换
2.6.2 不同结构类型之间的转换
2.7 导入外部数据和保存数据
2.7.1 导入文本数据
2.7.2 导入SPSS数据
2.7.3 利用ODBC导入数据库数据和Excel表数据
2.7.4 共享R自带的数据包
2.7.5 数据保存
2.8 R语言程序设计基础
2.8.1 R程序设计基本概念
2.8.2 R的系统函数
2.8.3 用户自定义函数
……
第3章 R的数据可视化
第4章 R的近邻分析：数据预测
第5章 R的决策树：数据预测
第6章 R的人工神经网络：数据预测
第7章 R的支持向量机：数据预测
第8章 R的一般聚类：揭示数据内在结构
第9章 R的特色聚类：揭示数据内在结构
第10章 R的关联分析：揭示数据关联性
第11章 R的模式甄别：诊断异常数据
第12章 R的网络分析初步