量化交易学习指南——基于R语言

用商业案例学R语言数据挖掘-学习笔记.pdf

商业智能时代已经全面到来，分析型人才的岗位数量在就业市场中呈现井喷式增长。无论是从事产品研发的工程师，还是从事产品推广的市场人员、人力资源和财务会计人员，都需要掌握数据分析技术，否则很有可能被人工智能替代。 本书包括 18 章，涉及使用 R 语言做数据分析和数据挖掘的主要分析方法。其中，第 1、 2 章为数据分析方法概述，第 3 章为 R 语言编程基础，第 4 章到第 8 章为统计学习方法，第 9 章到第 16 章为数据挖掘方法，第 17 章为特征工程，第 18 章为 R 文本挖掘。每章都根据所涉及的知识点的不同，选取了实用的案例，并为读者准备了相应的练习题。 本书作为 CDA 数据分析师系列丛书中《如虎添翼！数据处理的 SPSS 和 SAS EG 实现（第 2 版）》和《胸有成竹!数据分析的 SPSS 和 SAS EG 进阶（第 2 版）》的姊妹篇，将前两本书的内容进行整合并做了重大拓展，而且秉承了该系列丛书的特点：内容精练、重点突出、示例丰富、语言通俗。可以作为广大从业人员自学商业数据分析的读物，适合大中专院校师生学习和阅读，同时也可以作为高等院校商科、社会科学及相关培训机构的教材

《R语言数据挖掘(第2版)》R代码和案例数据.rar

《R语言数据挖掘(第2版)》R代码和案例数据.rar

[R语言数据挖掘方法及应用][薛薇][配套资料].rar.zip

R语言数据挖掘 方法及应用 薛微编著 +案例数据已整理标签

R数据挖掘实例

R语言是主要用于统计分析、绘图的语言和操作环境。R本来是由来自新西兰奥克兰大学的Ross Ihaka和Robert Gentleman 开发（也因此称为R），现在由“R开发核心团队”负责开发。 R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。 R的语法是来自Scheme。

《R语言数据挖掘》R代码和案例数据

《R语言数据挖掘》R代码和案例数据《R语言数据挖掘》R代码和案例数据《R语言数据挖掘》R代码和案例数据

数据挖掘与R语言.pdf

数据挖掘与R语言.pdf

《R语言数据分析与挖掘》教学课件—06绘图与数据可视化.pdf

《R语言数据分析与挖掘》教学课件—06绘图与数据可视化.pdf《R语言数据分析与挖掘》教学课件—06绘图与数据可视化.pdf《R语言数据分析与挖掘》教学课件—06绘图与数据可视化.pdf《R语言数据分析与挖掘》教学课件—06...

数据挖掘商业案例分析与及实现.pdf

数据挖掘商业案例分析与及实现.pdf数据挖掘商业案例分析与及实现.pdf数据挖掘商业案例分析与及实现.pdf数据挖掘商业案例分析与及实现.pdf数据挖掘商业案例分析与及实现.pdf数据挖掘商业案例分析与及实现.pdf数据挖掘...

基于R语言的数据挖掘课程实验设计.pdf

基于R语言的数据挖掘课程实验设计.pdf

《R语言数据挖掘》R代码和案例数据.rar

本资源包含了《R语言数据挖掘》一书中所有的代码与案例数据

R语言经典实例_完整版带目录

R语言经典实例_完整版带目录，中文版

R语言经典实例 英文版 R Cookbook

With more than 200 practical recipes, this book helps you perform data analysis with R quickly and efficiently. The R language provides everything you need to do statistical work, but its structure can be difficult to master. This collection of concise, task-oriented recipes makes you productive with R immediately, with solutions ranging from basic tasks to input and output, general statistics, graphics, and linear regression. Each recipe addresses a specific problem, with a discussion that explains the solution and offers insight into how it works. If you're a beginner, R Cookbook will help get you started. If you're an experienced data programmer, it will jog your memory and expand your horizons. You'll get the job done faster and learn more about R in the process. * Create vectors, handle variables, and perform other basic functions * Input and output data * Tackle data structures such as matrices, lists, factors, and data frames * Work with probability, probability distributions, and random variables * Calculate statistics and confidence intervals, and perform statistical tests * Create a variety of graphic displays * Build statistical models with linear regressions and analysis of variance (ANOVA) * Explore advanced statistical techniques, such as finding clusters in your data "Wonderfully readable, R Cookbook serves not only as a solutions manual of sorts, but as a truly enjoyable way to explore the R language-one practical example at a time." -Jeffrey Ryan, software consultant and R package author

《R语言经典实例》

《R语言经典实例》英文版 R语言给我们提供了统计分析酣一切工具，但是R本身的结构可能有些难于掌握。《R语言经典实例》涵盖200多个R语言实用方法，可以帮助读者快速而有效地使用R进行数据分析。

数据挖掘与R语言代码

数据挖掘与R语言代码，分享快乐,这是我在大学里下载的

《Python 数据挖掘实践》教学课件—第4章 数据探索与数据预处理.pdf

《Python 数据挖掘实践》教学课件—第4章 数据探索与数据预处理.pdf《Python 数据挖掘实践》教学课件—第4章 数据探索与数据预处理.pdf《Python 数据挖掘实践》教学课件—第4章 数据探索与数据预处理.pdf《Python ...

数据分析与数据挖掘.pdf

数据分析与数据挖掘.pdf

R语言数据挖掘 方法及应用 薛微编著 +案例数据及代码

R语言数据挖掘 方法及应用 薛微编著 +案例数据及代码，已整理标签

完整版基于R语言的数据挖掘数据分析实操案例 2000到2015年豆瓣共47000部电影数据分析 从数据抓取到数据分析全流程案例 含源代码 共33页.pdf

【基于R语言的数据挖掘数据分析实操案例】 【2000到2015年豆瓣共47000部电影数据分析】 第一章 数据抓取 第二章 整理电影属性 第三章 整理电影属性 第四章 这样的图表才专业 第五章 频率密度图学会ggplot2 配件 第六...

《Python大数据分析与挖掘案例实战》教学大纲.pdf

《Python大数据分析与挖掘案例实战》教学大纲.pdf《Python大数据分析与挖掘案例实战》教学大纲.pdf《Python大数据分析与挖掘案例实战》教学大纲.pdf《Python大数据分析与挖掘案例实战》教学大纲.pdf《Python大数据...

《用商业案例学R语言数据挖掘》教材代码及数据

本书是一本面向商业数据分析初学者的教材，从具体的商业数据分析案例入手，使读者掌握数据挖掘的目的、理念、思路与分析步骤。本书力图淡化技术，对于方法的介绍也尽量避免涉及过多的数学内容，和高等数学相关的内容只在线形回归和主成分分析这两节中涉及，而且都辅以图形做形象的展现。因此本书的读者只需要具有高中水平的数学基础即可。但是本书强调每种方法的假设、适用条件都与商业数据分析的主题匹配。在教学实践中，我们发现业务经验丰富和有较好商业模式理解的学员，在学习数据挖掘时有更好的效果，主要原因可能是这类学员有较强的思辨能力、分析能力、学习目的性和质量意识，而不是简单地模仿和套用数学公式。

R语言经典实例.pdf

R语言经典实例.pdf 个人收集电子书，仅用学习使用，不可用于商业用途，如有版权问题，请联系删除！

R语言经典入门_2012.pdf

“R for beginners”是一本公认的经典手册，非常适合R的初学者。英文原 版初著于2002年，而此稿是基于作者在2005年重新修订的第二版。

R语言经典实例（中+英）

R语言经典实例（中+英） 第1章 R入门和获得帮助 7 　　1.1 下载和安装R软件 8 　　1.2 开始运行R软件 10 　　1.3 输入R命令 13 　　1.4 退出R 15 　　1.5 中断R正在运行的程序 16 　　1.6 查看帮助文档 17 　　1.7 获取函数的帮助文档 18 　　1.8 搜索帮助文档 20 　　1.9 查看R软件包帮助信息 21 　　1.10 通过网络获取帮助 23 　　1.11 寻找相关函数与数据包 26 　　1.12 查询邮件列表 27 　　1.13 向邮件列表提交问题 27 　　第2章 基础知识 30 　　2.1 显示内容 30 　　2.2 设定变量 32 　　2.3 列出所有变量 34 　　2.4 删除变量 35 　　2.5 生成向量 36 　　2.6 计算基本统计量 37 　　2.7 生成数列 40 　　2.8 向量比较 42 　　2.9 选取向量中的元素 43 　　2.10 向量的计算 46 　　2.11 运算符优先级问题 48 　　2.12 定义函数 50 　　2.13 减少输入，得到更多命令 52 　　2.14 常见错误 54 　　第3章 R软件导览 58 　　3.1 获取和设定工作目录 58 　　3.2 保存工作空间 59 　　3.3 查看历史命令记录 60 　　3.4 保存先前命令产生的结果 60 　　3.5 显示搜索路径 61 　　3.6 使用R包中的函数 62 　　3.7 使用R的内置数据集 64 　　3.8 查看已安装的R包列表 65 　　3.9 从CRAN网站安装R包 67 　　3.10 设定默认CRAN网站镜像 69 　　3.11 隐藏启动信息 70 　　3.12 运行脚本 70 　　3.13 批量运行R代码 71 　　3.14 获取和设定环境变量 74 　　3.15 找到R的主目录 75 　　3.16 R的客户化 76 　　第4章 输入与输出 80 　　4.1 使用键盘输入数据 81 　　4.2 显示更少的位数（或更多的位数） 82 　　4.3 将输出结果重定向到某一文件 84 　　4.4 显示文件列表 85 　　4.5 解决无法在Windows中打开文件的问题 86 　　4.6 阅读固定宽度数据记录 87 　　4.7 读取表格数据文件 88 　　4.8 读取CSV文件 90 　　4.9 写入CSV文件 92 　　4.10 从网络中读取表格或CSV格式数据 93 　　4.11 读取HTML表格数据 94 　　4.12 读取复杂格式数据文件 96 　　4.13 读取MySQL数据库中的数据 100 　　4.14 保存和传送目标 102 　　第5章 数据结构 104 　　5.1 对向量添加数据 111 　　5.2 在向量中插入数据 112 　　5.3 理解循环规则 113 　　5.4 构建因子（即分类变量） 115 　　5.5 将多个向量合并成单个向量以及平行因子 117 　　5.6 创建列表 118 　　5.7 根据位置选定列表元素 119 　　5.8 根据名称选定列表元素 121 　　5.9 构建一个名称/值关联表 122 　　5.10 从列表中移除元素 124 　　5.11 将列表转换为向量 125 　　5.12 从列表中移除取值为空值（即NULL）的元素 126 　　5.13 使用条件来移除列表元素 127 　　5.14 矩阵初始化 129 　　5.15 执行矩阵运算 130 　　5.16 将描述性名称赋给矩阵的行和列 131 　　5.17 从矩阵中选定一行或一列 132 　　5.18 用列数据初始化数据框 133 　　5.19 由行数据初始化数据框 134 　　5.20 添加行至数据框 136 　　5.21 预分配数据框 137 　　5.22 根据位置选择数据框的列 138 　　5.23 根据列名选定数据框的列 142 　　5.24 更便捷地选定行和列 143 　　5.25 修改数据框的列名 145 　　5.26 编辑数据框 146 　　5.27 从数据框中移除NA值 148 　　5.28 根据名称排除列 149 　　5.29 合并两个数据框 150 　　5.30 根据共有列合并数据框 151 　　5.31 更便捷地访问数据框内容 152 　　5.32 基本数据类型之间的转换 154 　　5.33 不同结构化数据类型间的转换 156 　　第6章 数据转换 159 　　6.1 向量分组 160 　　6.2 将函数应用于每个列表元素 161 　　6.3 将函数应用于每行 163 　　6.4 将函数应用于每列 164 　　6.5 将函数应用于组数据 166 　　6.6 将函数应用于行组 168 　　6.7 将函数应用于平行向量或列表 170 　　第7章 字符串和日期 172 　　7.1 获取字符串长度 174 　　7.2 连接字符串 175 　　7.3 提取子串 176 　　7.4 根据分隔符分割字符串 176 　　7.5 替代子串 178 　　7.6 查看字符串中的特殊字符 179 　　7.7 生成字符串的所有成对组合 179 　　7.8 得到当前日期 181 　　7.9 转换字符串为日期 181 　　7.10 转换日期为字符串 182 　　7.11 转化年、月、日为日期 183 　　7.12 得到儒略日期 185 　　7.13 提取日期的一部分 185 　　7.14 创建日期序列 187 　　第8章 概率 189 　　8.1 计算组合数 191 　　8.2 生成组合 192 　　8.3 生成随机数 193 　　8.4 生成可再生的随机数 194 　　8.5 生成随机样本 196 　　8.6 生成随机序列 197 　　8.7 随机排列向量 198 　　8.8 计算离散分布的概率 198 　　8.9 计算连续分布的概率 200 　　8.10 转换概率为分位数 201 　　8.11 绘制密度函数 203 　　第9章 统计概论 206 　　9.1 汇总数据 208 　　9.2 计算相对频数 210 　　9.3 因子制表和列联表创建 211 　　9.4 检验分类变量独立性 212 　　9.5 计算数据集的分位数（和四分位数） 212 　　9.6 求分位数的逆 213 　　9.7 数据转换为z分数 214 　　9.8 检验样本均值（t检验） 215 　　9.9 均值的置信区间 216 　　9.10 中位数的置信区间 217 　　9.11 检验样本比例 218 　　9.12 比例的置信区间 219 　　9.13 检验正态性 220 　　9.14 游程检验 222 　　9.15 比较两个样本的均值 223 　　9.16 比较两个非参数样本的位置 225 　　9.17 检验相关系数的显著性 226 　　9.18 检验组的等比例 228 　　9.19 组均值间成对比较 229 　　9.20 检验两样本的相同分布 230 　　第10章 图形 232 　　10.1 创建散点图 234 　　10.2 添加标题和标签 236 　　10.3 添加网格 237 　　10.4 创建多组散点图 238 　　10.5 添加图例 240 　　10.6 绘制散点图的回归线 242 　　10.7 多变量散点图的绘制 243 　　10.8 创建每个因子水平的散点图 244 　　10.9 创建条形图 246 　　10.10 对条形图添加置信区间 248 　　10.11 给条形图上色 249 　　10.12 绘制过点x和y的线 251 　　10.13 改变线的类型、宽度或者颜色 253 　　10.14 绘制多个数据集 254 　　10.15 添加垂直线和水平线 256 　　10.16 创建箱线图 257 　　10.17 对每个因子水平创建箱线图 258 　　10.18 创建直方图 259 　　10.19 对直方图添加密度估计 261 　　10.20 创建离散直方图 262 　　10.21 创建正态Q-Q图 264 　　10.22 创建其他Q-Q图 265 　　10.23 用多种颜色绘制变量 266 　　10.24 绘制函数 269 　　10.25 图形间暂停 270 　　10.26 在一页中显示多个图形 271 　　10.27 打开另一个图形窗口 273 　　10.28 在文档中绘制图形 274 　　10.29 改变图形参数 275 　　第11章 线性回归和方差分析 277 　　11.1 简单线性回归 279 　　11.2 多元线性回归 281 　　11.3 得到回归统计量 282 　　11.4 理解回归的汇总结果 286 　　11.5 运行无截距的线性回归 289 　　11.6 运行有交户项的线性回归 290 　　11.7 选择最合适的回归变量 292 　　11.8 对数据子集回归 295 　　11.9 在回归公式中使用表达式 296 　　11.10 多项式回归 298 　　11.11 转换数据的回归 299 　　11.12 寻找最佳幂变换 301 　　11.13 回归系数的置信区间 304 　　11.14 绘制回归残差 304 　　11.15 诊断线性回归 306 　　11.16 识别有影响的观察值 309 　　11.17 残差自相关检验 310 　　11.18 预测新值 311 　　11.19 建立预测区间 312 　　11.20 运行单因素方差分析 313 　　11.21 创建交互关系图 315 　　11.22 找到组间均值的不同 316 　　11.23 执行稳健方差分析 318 　　11.24 运用方差分析比较模型 320 　　第12章 有用的方法 323 　　12.1 查看你的数据 323 　　12.2 拓宽你的输出 324 　　12.3 输出赋值结果 325 　　12.4 对行和列求和 325 　　12.5 按列输出数据 326 　　12.6 对数据分级 328 　　12.7 找到特定值的位置 329 　　12.8 每隔n个选定一个向量元素 330 　　12.9 找到成对的最小值或者最大值 331 　　12.10 生成多个因子的组合 332 　　12.11 转换一个数据框 333 　　12.12 对数据框排序 334 　　12.13 对两列排序 335 　　12.14 移除变量属性 336 　　12.15 显示对象的结构 337 　　12.16 代码运行时间 340 　　12.17 抑制警告和错误消息 341 　　12.18 从列表中提取函数参数 342 　　12.19 定义你自己的二元运算符 344 　　第13章 高级数值分析和统计方法 347 　　13.1 最小化或者最大化一个单参数函数 347 　　13.2 最小化或者最大化多参数函数 348 　　13.3 计算特征值和特征向量 350 　　13.4 主成分分析 351 　　13.5 简单正交回归 352 　　13.6 数据的聚类 354 　　13.7 预测二元变量（逻辑回归） 357 　　13.8 统计量的自助法 359 　　13.9 因子分析 361 　　第14章 时间序列分析 366 　　14.1 表示时间序列 367 　　14.2 绘制时序图 370 　　14.3 提取最老的观测值或者最新的观测值 373 　　14.4 选取时间序列的子集 374 　　14.5 合并多个时间序列 376 　　14.6 缺失时间序列的填充 378 　　14.7 时间序列的滞后 380 　　14.8 计算逐次差分 381 　　14.9 时间序列相关的计算 382 　　14.10 计算移动平均 383 　　14.11 在日历时间范围内应用函数 384 　　14.12 应用滚动函数 386 　　14.13 绘制自相关函数图 388 　　14.14 检验时间序列的自相关 389 　　14.15 绘制偏自相关函数 390 　　14.16 两个时间序列间的滞后相关性 391 　　14.17 剔除时间序列的趋势 393 　　14.18 拟合ARIMA模型 394 　　14.19 剔除ARIMA模型中不显著的系数 397 　　14.20 对ARIMA模型进行诊断 399 　　14.21 用ARIMA模型进行预测 400 　　14.22 均值回归的检验 402 　　14.23 时间序列的平滑 404

R语言经典实例

该书主要介绍了本书涵盖200多个R语言实用方法，可以帮助读者快速而有效地使用R进行数据分析。R语言给我们提供了统计分析的一切工具，但是R本身的结构可能有些难于掌握。本书提供的这些面向任务、简明的R语言方法包含了从基本的分析任务到输入和输出、常用统计分析、绘图、线性回归等内容，它们可以让你马上应用R高效地工作。 每一个R语言方法都专注于一个特定的问题，随后的讨论则对问题的解决方案给出解释，并阐释该方法的工作机理。对于R的初级用户，本书将帮助你步入R的殿堂；对于R的资深用户，本书将加深你对R的理解并拓展你的视野。通过本书，你可以使你的分析工作顺利完成并学习更多R语言知识。

R语言数据分析与挖掘习题答案.rar

R语言数据分析与挖掘习题答案.rar

十大经典数据挖掘算法R语言的实现

自己编写的十大经典R语言数据挖掘算法

CLEMENTINE数据挖掘方法及应用 薛薇 PDF加源码

CLEMENTINE数据挖掘方法及应用 薛薇 PDF加源码 资料完全供需要学习的同学

第一讲：python网络爬虫基础知识

本讲主要内容包括Python常见数据类型、循环与控制流以及常见的错误处理方法。这些Python基础知识非常重要，是后面进行爬虫练习必备也是最少基础内容。

Python基于机器学习实现的股票价格预测、股票预测源码+数据集，机器学习大作业

python数据分析,因为股票价格的影响因素太多，通过k线数据预测未来的价格变化基本不可行，只有当天之内的数据还有一定的关联，故feature与target都选择的是当天的数据。 加载数据 为了加快数据的处理速度，提前将mariadb数据库中的数据查询出来，保存成feather格式的数据，以提高加载数据的速度。 经过处理，不同股票的数据保存在了不同的文件中，列名还保持着数据库中的字段名。我选择了股票代码为sh600010的这只股票作为数据分析的数据来源。预测出来的结果与真实值变化趋势相近，说明线性回归模型在一定程度上能够解释收盘价与选取的feature之间的关系