维基教科书:集合/R 和数据挖掘
< 维基教科书：集合
|
这是一个维基教科书书籍中的页面集合，可以轻松保存、电子渲染，并作为印刷书籍进行排序。有关维基教科书集合的信息和帮助，请参阅帮助：集合。 | ||||||||
| [ 下载 PDF ] [ 在集合创建器中打开 ] [ 订购印刷书籍 ] | |||||||||
| [ 关于 ] [ 常见问题 ] [ 反馈 ] [ 帮助 ] [ 最近更改 ] | |||||||||
R 和数据挖掘
[编辑源代码]- R 编程
- R 编程
- R 基础
- 介绍
- 示例会话
- 管理您的工作区
- 设置
- 包
- 文档
- 控制结构
- 使用函数
- 调试
- 使用 C 或 Fortran
- 实用工具
- 估计实用工具
- 数据管理
- 数据类型
- 使用数据框
- 导入和导出数据
- 文本处理
- 时间和日期
- 图形
- 图形
- 图形语法
- 出版物质量输出
- 出版物质量输出
- 描述性统计
- 描述性统计
- 数学
- 数学
- 优化
- 概率分布
- 随机数生成
- 统计核心方法
- 最大似然
- 矩量法
- 贝叶斯方法
- 自举法
- 多重插补
- 非参数方法
- 回归模型
- 线性模型
- 分位数回归
- 二项式模型
- 多项式模型
- Tobit 和选择模型
- 计数数据模型
- 持续时间分析
- 时间序列
- 时间序列
- 因子分析
- 因子分析
- 分类
- 排序
- 聚类
- 网络分析
- 网络分析
- 高性能计算
- 分析 R 代码
- 使用 R 进行并行计算
- 附录
- 来源
- 索引
- 数据挖掘算法
- R 中的数据挖掘算法
- 降维
- 降维
- 主成分分析
- 奇异值分解
- 特征选择
- 频繁模式挖掘
- 频繁模式挖掘
- Eclat 算法
- arulesNBMiner
- Apriori 算法
- FP-Growth 算法
- 序列挖掘
- 序列挖掘
- SPADE
- DEGSeq
- 聚类
- 聚类
- K-Means
- 混合层次聚类
- 期望最大化 (EM)
- 差异矩阵计算
- 层次聚类
- 基于密度的聚类
- K-Cores
- 模糊聚类 - 模糊 C 均值
- RockCluster
- Biclust
- 围绕中心点的划分 (PAM)
- CLUES
- 自组织映射 (SOM)
- Proximus
- CLARA
- 分类
- 分类
- SVM
- penalizedSVM
- kNN
- 异常值
- 决策树
- 朴素贝叶斯
- adaboost
- JRip
- R 包
- R 包
- RWeka
- gausspred
- optimsimplex
- CCMtools
- FactoMineR
- nnet