大数据分析

第一部分大数据简介

第1章大数据机述

1.1大数据的概念

1.2大数据的特征

1.3大数据的产生

1.4大数据应用案例

第2章大数据相关技术

2.1数据采集和准备

2.2分布式数据库

2.3分布式数据分析框架

2.3.1Hadoop

2.3.2HDFS

2.3.3HBase

2.3.4Hive

2.3.5MapReduce

2.3.6Strom

2.4大数据分析与R

2.4.1RHadoop

2.4.2RHIPE

2.4.3RHive

2.4.4RHBase

2.5国泰安的大数据

2.5.1大数据实验室建设

2.5.2大数据分析平台

第二部分R语言

第3章R语言简介

3.1R语言概述

3.2R的下载、安装和使用

3.2.1RGui界面

3.2.2RStudio界面

3.2.3R的运行

3.2.4工作目录和工作空间

3.2.5R语言的帮助

3.3R的包

3.3.1包的获取

3.3.2包的安装

3.3.3包的加载

3.3.4包的使用

第4章R语言基本操作

4.1数据结构

4.2数据的基本操作

4.2.1赋值和创建

4.2.2数据的运算

4.2.3数据的导入

4.3数据的管理

4.3.1数据排序

4.3.2数据集的合并

4.3.3剔除变量

4.3.4数据集提取

4.3.5subset函数

4.4常用函数

第5章R语言绘图

5.1绘图参数

5.1.1符号、线条与颜色

5.1.2标题、坐标轴与图例

5.1.3文本属性

5.1.4图形的组合

5.2高级绘图函数

5.2.1通用二维图

5.2.2饼图

5.2.3箱线图

5.2.4条形图

5.2.5直方图

5.2.6核密度图

5.2.7点图

5.3低级绘图函数

第6章R语言数据分析

6.1数据处理基础函数

6.1.1数学函数

6.1.2统计函数

6.1.3概率函数

6.1.4数据分析实例

6.2描述性统计分析

6.2.1描述统计函数

6.2.2软件包的描述统计

6.3多元统计分析

6.3.1方差分析

6.3.2判别分析

6.3.3聚类分析

6.3.4主成分分析

6.3.5因子分析

6.3.6典型相关分析

第三部分专题时政研究

第7章金融时间序列建模专题

7.1金融时间序列

7.2ARMA模型

7.2.1ARMA模型简介

7.2.2ARMA模型定阶

7.2.3ARMA模型拟合

7.3GARCH模型

7.3.1GARCH模型简介

7.3.2GARCH模型拟合

第8章动态面板数据专题

8.1GMM估计

8.1.1系统GMM估计

8.1.2GMM估计原理

8.2动态面板数据模型的系统GMM估计

第9章数据挖掘专题

9.1关联规则

9.2降维分析

9.3社交网络分析

9.4贝叶斯分类法

9.4.1贝叶斯定理

9.4.2贝叶斯分类实例

9.5决策树

9.5.1决策树原理

9.5.2决策树分类实例

9.6人工神经网络

9.6.1三层前馈神经网络原理

9.6.2神经网络分类实例

9.7支持向量机

9.7.1支持向量机原理

9.7.2支持向量机分类实例

第10章信息可视化专题

10.1绘制地图

10.1.1世界地图

10.1.2中国地图

10.1.3公路线图

10.2可视化实例

10.2.1数据

10.2.2ggmap

第四部分RHadoop案例分析

第11章RHadoop的基本操作

11.1数据文件的读取

11.2包的加载

11.3基本函数

第12章RHadoop环境下案例分析

12.1回归分析

12.1.1回归分析原理

12.1.2线性回归分析案例

12.2Logistic分析

12.2.1Logistic分析原理

12.2.2Logistic分析案例

12.3判别分析

12.3.1线性判别分析原理

12.3.2线性判别分析案例

12.4聚类分析

12.4.1K—means聚类分析原理

12.4.2K—means聚类分析案例

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商品推荐算法

12.7.1商品推荐算法原理

12.7.2商品推荐案例

12.8差异分析

12.8.1多维标度法的原理

12.8.2差异分析案例

附录一国秦安CSMaR数据下载

附录二深圳因泰妥教育技术股份有限公司简介

参考文献

在大数据时代，R以其强大的数据分析挖掘、可视化绘图等功能，越来越受到社会各个领域的青睐。现在，R的计算引擎、性能、程序包都得到了提升，其中R与大数据分析平台Hadoop的结合，实现了R对大数据的分析式处理分析。这些不仅大大扩展了R的应用，也扩大了R在各行业的需求。 为了更好地适应新形势，掌握大数据分析处理的相关知识是很有必要的。本书从理论基础、方法、实证三方面详细地阐释了R和RHadoop的相关理论、技术以及应用，使读者了解大数据的基础概念，掌握R以及Rhadoop大数据分析技术。本书不仅适合高等院校的各相关专业的本专科生、研究生，也适合零编程基础的科研人员以及对大数据分析技术感兴趣的人士阅读。本书在内容的选择和结构的安排上进行了深入的思考，使得不论是R或RHadoop的初学者还是具备一定相关专业知识的人员都能从本书中得到一定的收获或启发。

前沿性、实践性好。