在大數(shù)據(jù)時(shí)代，R以其強(qiáng)大的數(shù)據(jù)分析挖掘、可視化繪圖等功能，越來(lái)越受到社會(huì)各個(gè)領(lǐng)域的青睞?，F(xiàn)在，R的計(jì)算引擎、性能、程序包都得到了提升，其中R與大數(shù)據(jù)分析平臺(tái)Hadoop的結(jié)合，實(shí)現(xiàn)了R對(duì)大數(shù)據(jù)的分析式處理分析。這些不僅大大擴(kuò)展了R的應(yīng)用，也擴(kuò)大了R在各行業(yè)的需求。

為了更好地適應(yīng)新形勢(shì)，掌握大數(shù)據(jù)分析處理的相關(guān)知識(shí)是很有必要的。本書從理論基礎(chǔ)、方法、實(shí)證三方面詳細(xì)地闡釋了R和RHadoop的相關(guān)理論、技術(shù)以及應(yīng)用，使讀者了解大數(shù)據(jù)的基礎(chǔ)概念，掌握R以及Rhadoop大數(shù)據(jù)分析技術(shù)。本書不僅適合高等院校的各相關(guān)專業(yè)的本?？粕?、研究生，也適合零編程基礎(chǔ)的科研人員以及對(duì)大數(shù)據(jù)分析技術(shù)感興趣的人士閱讀。本書在內(nèi)容的選擇和結(jié)構(gòu)的安排上進(jìn)行了深入的思考，使得不論是R或RHadoop的初學(xué)者還是具備一定相關(guān)專業(yè)知識(shí)的人員都能從本書中得到一定的收獲或啟發(fā)。

目錄
第一部分大數(shù)據(jù)簡(jiǎn)介
第1章大數(shù)據(jù)概述
1.1大數(shù)據(jù)的概念
1.2大數(shù)據(jù)的特征
1．3大數(shù)據(jù)的產(chǎn)生
1．4大數(shù)據(jù)應(yīng)用案例
第2章大數(shù)據(jù)相關(guān)技術(shù)
2．1數(shù)據(jù)采集和準(zhǔn)備
2．2分布式數(shù)據(jù)庫(kù)
2．3分布式數(shù)據(jù)分析框架
2．3．1Hadoop
2．3．2HDFS
2．3．3HBase
2．3．4Hive
2．3．5MapReduce
2．3．6Strom
2．4大數(shù)據(jù)分析與R
2．4．1RHadoop
2．4．2RHIPE
2．4．3RHive
2．4．4RHBase
2．5國(guó)泰安的大數(shù)據(jù)
2．5．1大數(shù)據(jù)實(shí)驗(yàn)室建設(shè)
2．5．2大數(shù)據(jù)分析平臺(tái)
第二部分R語(yǔ)言
第3章R語(yǔ)言簡(jiǎn)介
3．1R語(yǔ)言概述
3.2R的下載、安裝和使用
3.2.1RGui界面
3．2．2RStudio界面
3．2．3R的運(yùn)行
3．2．4工作目錄和工作空間
3．2．5R語(yǔ)言的幫助
3．3R的包
3．3．1包的獲取
3．3．2包的安裝
3．3．3包的加載
3．3．4包的使用
第4章R語(yǔ)言基本操作
4．1數(shù)據(jù)結(jié)構(gòu)
4．2數(shù)據(jù)的基本操作
4．2．1賦值和創(chuàng)建
4．2．2數(shù)據(jù)的運(yùn)算
4．2．3數(shù)據(jù)的導(dǎo)入
4．3數(shù)據(jù)的管理
4．3．1數(shù)據(jù)排序
4．3．2數(shù)據(jù)集的合并
4．3．3剔除變量
4．3．4數(shù)據(jù)集提取
4．3．5subset函數(shù)
4．4常用函數(shù)
第5章R語(yǔ)言繪圖
5．1繪圖參數(shù)
5．1．1符號(hào)、線條與顏色
5．1．2標(biāo)題、坐標(biāo)軸與圖例
5．1．3文本屬性
5．1．4圖形的組合
5．2高級(jí)繪圖函數(shù)
5．2．1通用二維圖
5．2．2餅圖
5．2．3箱線圖
5．2．4條形圖
5．2．5直方圖
5．2．6核密度圖
5．2．7點(diǎn)圖
5．3低級(jí)繪圖函數(shù)
第6章R語(yǔ)言數(shù)據(jù)分析
6．1數(shù)據(jù)處理基礎(chǔ)函數(shù)
6．1．1數(shù)學(xué)函數(shù)
6．1．2統(tǒng)計(jì)函數(shù)
6．1．3概率函數(shù)
6．1．4數(shù)據(jù)分析實(shí)例
6．2描述性統(tǒng)計(jì)分析
6．2．1描述統(tǒng)計(jì)函數(shù)
6．2．2軟件包的描述統(tǒng)計(jì)
6．3多元統(tǒng)計(jì)分析
6．3．1方差分析
6．3．2判別分析
6．3．3聚類分析
6．3．4主成分分析
6．3．5因子分析
6．3．6典型相關(guān)分析
第三部分專題實(shí)證研究
第7章金融時(shí)間序列建模專題
7．1金融時(shí)間序列
7．2ARMA模型
7．2．1ARMA模型簡(jiǎn)介
7．2．2ARMA模型定階
7．2．3ARMA模型擬合
7．3GARCH模型
7．3．1GARCH模型簡(jiǎn)介
7．3．2GARCH模型擬合
第8章動(dòng)態(tài)面板數(shù)據(jù)專題
8．1GMM估計(jì)
8．1．1系統(tǒng)GMM估計(jì)
8．1．2GMM估計(jì)原理
8．2動(dòng)態(tài)面板數(shù)據(jù)模型的系統(tǒng)GMM估計(jì)
第9章數(shù)據(jù)挖掘?qū)ｎ}
9．1關(guān)聯(lián)規(guī)則
9．2降維分析
9．3社交網(wǎng)絡(luò)分析
9．4貝葉斯分類法
9．4．1貝葉斯定理
9．4．2貝葉斯分類實(shí)例
9．5決策樹
9．5．1決策樹原理
9．5．2決策樹分類實(shí)例
9．6人工神經(jīng)網(wǎng)絡(luò)
9．6．1三層前饋神經(jīng)網(wǎng)絡(luò)原理
9．6．2神經(jīng)網(wǎng)絡(luò)分類實(shí)例
9．7支持向量機(jī)
9．7．1支持向量機(jī)原理
9．7．2支持向量機(jī)分類實(shí)例
第10章信息可視化專題
10．1繪制地圖
10．1．1世界地圖
10．1．2中國(guó)地圖
10．1．3公路線圖
10．2可視化實(shí)例
10．2．1數(shù)據(jù)
10．2．2ggmap
第四部分RHadoop案例分析
第11章RHadoop的基本操作
11．1數(shù)據(jù)文件的讀取
11．2包的加載
11．3基本函數(shù)
第12章RHadoop環(huán)境下案例分析
12．1回歸分析
12．1．1回歸分析原理
12．1．2線性回歸分析案例
12．2Logistic分析
12．2．1Logistic分析原理
12．2．2Logistic分析案例
12．3判別分析
12．3．1線性判別分析原理
12．3．2線性判別分析案例
12．4聚類分析
12．4．1K?means聚類分析原理
12．4．2K?means聚類分析案例
12．5主成分分析
12．5．1主成分分析原理
12．5．2主成分分析案例
12．6因子分析
12．6．1因子分析原理
12．6．2因子分析案例
12．7商品推薦算法
12．7．1商品推薦算法原理
12．7．2商品推薦案例
12．8差異分析
12．8．1多維標(biāo)度法的原理
12．8．2差異分析案例
附錄一國(guó)泰安CSMAR數(shù)據(jù)下載
附錄二深圳國(guó)泰安教育技術(shù)股份有限公司簡(jiǎn)介
參考文獻(xiàn)