☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

　　●从使用者观点出发，实务的角度论述，有系统地介绍R软体在资料探勘预测分类的实务应用。
　　●内容详细介绍不同套件函数在决策树的使用方法、模型效度检定法，决策树与复回归分析、逻辑斯分析与区别分析的综合应用。
　　●搭配范例解说，让学习更能事半功倍。
　　●书籍内容适合大专院校学生、研究生，更适合对R软体统计分析有兴趣的研究者。

　　《R软体在决策树的实务应用》为R软体统计分析系列丛书之三，其内容接续《R软体统计应用分析实务》、《R软体统计进阶分析实务》二本专书。书籍内容以使用者为导向的论述表达，详细介绍R软体在回归树与预测分类的实务应用，内容兼顾理论与实务、函数与语法说明、统计方法使用与结果解析。内容所述可让读者快速熟悉R软体在资料探勘之决策树的使用，熟悉R软体套件函数在预测分类的实务应用与知悉R软体相关函数的功能。本书可作为统计相关课程的参考用书或资料处理的工具书。

作者简介

吴明隆

　　现职
　　高雄师范大学师资培育中心教授

　　学历
　　高雄师范大学教育学博士
　　电子邮件：t2673@nknucc.nknu.edu.tw

张毓仁

　　现职
　　屏东县国小主任

　　学历
　　中央大学课程与教学所博士

序言 

Chapter 01 决策树概论 

Chapter 02 套件{rpart}函数rpart ( ) 
壹、rpart ( )函数 
贰、函数rpart.control ( ) 
参、输出函数 
肆、资料框架物件

Chapter 03 回归树 
壹、回归树模型建构 
一、函数rpart ( )—建构回归树模型 
二、叶节点参数估计值 
三、函数printcp ( )—输出复杂度参数 
四、函数post ( )—绘制回归树图形
五、函数rpart ( )引数参数的范例 
六、函数labels ( )与函数path.rpart ( )的应用 
七、函数rsq.rpart ( )—绘制差异分支渐进R平方图 
贰、适配回归树模型残差
参、套件{ggplot2}函数ggplot ( )的绘图应用
肆、回归树的修剪 
伍、解释变数为因子变数 

Chapter 04 分类树 
壹、反应变数为三分类别变数
一、建构分类树模型
二、绘制分类树图形
三、分类树的残差值 
四、分类树的分类路径
五、分类树的剪裁
六、分类树的预测 
贰、反应变数为二分类别变数 
一、分类树模型建构
二、分类树分割路径 
三、分类树图形 
四、分类树残差值 
五、不同引数界定的分类树 

Chapter 05 决策树的图形绘制 
壹、函数rpart.plot ( ) 
贰、函数prp ( ) 
一、绘制图形基本引数 
二、节点标记调整的引数 
三、控制分支标记的引数 
四、调整树分支线的引数 
参、绘图函数应用 
肆、解释变数为因子变数的决策树图形绘制 
伍、图形决策树的修剪 
陆、套件{plotmo}函数plotmo ( )的应用 

Chapter 06 复核效度验证 
壹、预测分类函数 
贰、资料档的分割预测 
一、系统抽样切割资料档 
二、随机抽样切割资料档 
三、分层随机抽样切割资料档 
参、反应变数为三分类别变数 
一、单一效度检定 
二、平均效度检定 
肆、分层随机抽样函数 

Chapter 07 k叠交互验证法 
壹、六叠效度验证法 
一、採用系统抽样法 
二、採用随机抽样法 
贰、连续变数之分类树的应用 
一、分类树模型建构
二、分类树模型效度检定 
参、十叠交互验证法

Chapter 08 套件{evtree}的函数应用
壹、函数evtree ( )语法
贰、函数应用 
一、回归树 
二、分类树 
三、反应变数为多分类别变数
参、套件{evtree}函数predict ( ) 
一、分层随机抽样 
二、系统抽样 (有排序) 
三、系统抽样 (未排序) 
四、大样本决策树的应用 

Chapter 09 套件{partykit}的函数应用 
壹、ctree ( )函数 
贰、函数应用—回归树 
一、决策树模型建构
二、分类准则设定
三、叶节点的差异比较 
参、绘制决策树图函数plot ( ) 
肆、函数lmtree ( )与glmtree ( ) 
一、函数lmtree ( )的应用
二、函数glmtree ( )的应用
伍、分类树的应用
一、适配分类树模型I建构
二、绘制适配分类树图 
三、适配分类树模型II建构与绘制 
陆、大样本的应用 
一、适配回归树模型 
二、适配分类树模型 
柒、预测函数predict ( ) 

Chapter 10 套件{RWeka}与套件{tree}的函数应用 
壹、套件{RWeka}函数J48 ( )函数 
一、函数J48 ( )语法
二、函数应用 
三、效度检定 
贰、套件{tree}函数tree ( ) 
参、显着性与决策树关系 
一、相关与回归树 
二、差异与分类树

Chapter 11 复回归与回归树
壹、基本套件lm ( )的函数应用 
贰、套件{Blossom}函数ols ( )与lad ( )的应用 
一、函数ols ( )
二、函数lad ( )
参、套件{psych}函数setCor ( )的应用 
肆、套件{rms}函数ols ( )的应用 
伍、回归树 
一、套件{GGally}相关矩阵图函数 
二、回归树模型
三、解释变数重要性检核 
四、回归树预测效度 

Chapter 12 逻辑斯回归分析与分类树 
壹、逻辑斯回归分析
一、资料框架物件解析 
二、套件{radiant}函数logistic ( )的应用 
三、套件{rms}函数lrm ( )的应用 
贰、分类树 
一、套件{rpart}函数rpart ( ) 
二、套件{partykit}函数ctree ( ) 
三、套件{evtree}函数evtree ( ) 
参、套件{C50}函数C5.0 ( )的应用
肆、拔靴法分类树 
伍、套件{rpartScore}函数rpartScore ( )的应用 

Chapter 13 区别分析与分类树 
壹、区别分析 
一、套件{DiscriMiner}函数应用
二、套件{mda}函数fda ( )
三、套件{MASS}函数lda ( ) 
四、区别分析效度检定
贰、分类树
一、套件{rpart}函数rpart ( ) 
二、套件{partykit}函数ctree ( ) 
三、套件{evtree}函数evtree ( ) 
四、套件{Rweka}函数J48 ( ) 
五、套件{C50}函数C5.0 ( )

Chapter 14 函数与流程控制 
壹、自订函数 
贰、回圈(loop) 
参、逻辑条件判别 
肆、统计分析的应用 
一、相关矩阵 
二、t检定的应用 
三、单因子变异数分析的应用
伍、决策树的应用 
陆、决策树向度变数

Chapter 15 RStudio整合发展环境
壹、RStudio整合开发环境界面与专案 
贰、智慧型自动完成指令 
参、编辑器语法指令的执行 
肆、各种选项的设定
伍、套件安装与载入 
陆、外部资料档汇入

分类 (classification) 为资料探勘 (data miniing) 领域的一个范畴，与区别分析、逻辑斯 (logistic) 回归分析的功能类似。预测分类的统计程序常见的方法有集群分析、回归分析、区别分析、逻辑斯回归、决策树 (decision tree) 等。决策树的功能在于分类与预测，演算程序从总样本观察值中，找到一个最佳的分割变数，将观察值进行分组，次则从分组后的子资料集中，再找出最佳的分割变数将子资料集分成小资料集，此种程序的演算程序类似树的成长，分割的次数愈多，树的成长愈繁杂，树的起始处称为根节点 (root node)、树的结束处称为叶节点 (leaf node) 或终点节点 (terminal node)。
　　
分类中的决策树 (decision tree) 依效标变数 (依变数/反应变数) 变数尺度不同，分成回归树 (regression tree) 与分类树 (classification tree)，效标变数 (反应变数) 如为等距变数或比率变数 (计量变数)，决策树称为回归树，预测分类的结果为观察值在效标变数的平均数；效标变数如为名义变数或次序变数 (间断变数)，决策树称为分类树，预测分类的结果为观察值在效标变数的水准群组或类别。书籍中的决策树的依变数多以「反应变数」(response variable) 表示，预测变数以「解释变数」(explanatory variables) 表示，依变数如为计量变数，则称为「连续反应变数」(continuous-response variable)，反应变数为二个水准群组的因子变数，称为「二元反应变数」(binary response variable)。与复回归程序相同，决策树程序中的解释变数如为间断变数要转换化为虚拟变数 (dummy variable)。
　　
不同反应变数之变数属性对应的预测分类统计程序如下表：
 
（表格）

None

R软体在决策树的实务应用 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价