第1章数据分析概述001
1.1数据分析概念001
1.2数据分析的起源与发展001
1.3数据分析流程002
1.4数据分析的技术与工具004
1.4.1数据分析技术004
1.4.2常用数据分析工具005
1.5数据分析发展趋势006
1.5.1数据科学的崛起007
1.5.2深度学习的结合007
1.5.3人工智能的融合007
1.5.4数据伦理与隐私保护007
1.6示例：预测课程成绩风险008
1.6.1分析目标与数据集介绍008
1.6.2分析方法及过程009
1.7小结011
课后习题011

第2章R语言程序设计基础012
2.1R语言简介012
2.1.1R软件安装与运行012
2.1.2帮助系统015
2.1.3包016
2.1.4内置数据集017
2.2基本数据类型018
2.2.1各数据类型的作用018
2.2.2数据表示018
2.3数据对象019
2.3.1向量0192.3.2矩阵022
2.3.3数组024
2.3.4因子026
2.3.5数据框027
2.3.6列表029
2.3.7数据对象判别与转换034
2.4数据导入与导出036
2.4.1数据编辑器导入数据036
2.4.2数据文件的读取037
2.4.3数据文件的写入039
2.5基本运算040
2.5.1赋值运算040
2.5.2算术运算041
2.5.3关系运算041
2.5.4逻辑运算042
2.6控制流043
2.6.1顺序结构043
2.6.2分支结构044
2.6.3循环结构046
2.7函数048
2.7.1常用内置函数048
2.7.2自定义函数052
2.8小结053
课后习题054

第3章数据预处理055
3.1数据清洗055
3.1.1缺失数据处理055
3.1.2日期型数据处理058
3.1.3字符串数据处理058
3.2数据规范化060
3.2.1小数定标规范化060
3.2.2最小-最大值规范化060
3.2.3Z-score规范化060
3.3数据整合与重构062
3.3.1数据整合062
3.3.2数据重构066
3.4小结070
课后习题070

第4章数据可视化071
4.1基本图形绘制071
4.1.1数据分布图071
4.1.2数据关系分析图075
4.1.3其他图077
4.2图形参数设置078
4.2.1符号与线条078
4.2.2颜色设置080
4.2.3图例与标注082
4.3组合图形绘制084
4.3.1多图环境设置084
4.3.2layout()函数085
4.4高级绘图ggplot2086
4.5图形设备090
4.6小结092
课后习题092

第5章描述性数据分析093
5.1总体和样本093
5.2数据尺度类型094
5.3单变量描述性分析095
5.3.1频率表095
5.3.2集中趋势统计量098
5.3.3离散程度统计量101
5.3.4形态分布统计量103
5.4双变量相关性分析106
5.4.1定量变量的相关性106
5.4.2分类变量之间的相关性109
5.4.3定量变量与分类变量的相关性112
5.5多变量分析118
5.5.1相关系数矩阵118
5.5.2多变量可视化119
5.5.3主成分分析121
5.6小结125
课后习题125

第6章聚类分析127
6.1聚类分析基础127
6.2距离度量与特征标准化128
6.2.1常用距离度量方法128
6.2.2特征标准化130
6.2.3距离度量与特征标准化的R实现130
6.3K均值聚类131
6.3.1K均值聚类原理与算法流程132
6.3.2聚类结果的可视化133
6.3.3K值选择与肘部法则135
6.4层次聚类136
6.4.1层次聚类原理与算法流程136
6.4.2链接方法选择138
6.4.3层次聚类的R实现139
6.5聚类效果评价140
6.5.1内部评价指标141
6.5.2外部评价指标143
6.6小结145
课后习题145

第7章回归分析147
7.1回归分析基础147
7.2简单线性回归148
7.2.1简单线性回归模型148
7.2.2拟合优度与模型解释148
7.2.3残差分析与模型诊断151
7.3多元线性回归155
7.3.1多元线性回归模型155
7.3.2模型拟合与结果解读155
7.3.3模型诊断与评价157
7.3.4分类变量的处理159
7.4变量选择与逐步回归161
7.4.1变量选择161
7.4.2逐步回归162
7.5多项式回归与交互效应建模164
7.5.1多项式回归165
7.5.2交互效应建模166
7.6逻辑回归基础168
7.6.1逻辑回归的模型168
7.6.2逻辑回归实现与结果解读170
7.6.3逻辑回归预测概率曲线与可视化172
7.7小结173
课后习题174

第8章分类175
8.1分类问题基础175
8.1.1分类问题的定义175
8.1.2分类分析参考流程175
8.1.3分类模型的评价指标177
8.2逻辑回归与概率判别179
8.3判别分析方法181
8.3.1Fisher判别分析181
8.3.2线性判别分析183
8.4K最近邻算法185
8.4.1K最近邻算法原理186
8.4.2K最近邻算法的R实现186
8.4.3K值优化187
8.5决策树188
8.5.1决策树的基本概念与建模流程189
8.5.2特征分裂标准与剪枝方法190
8.5.3决策树的R实现与可视化191
8.6小结194
课后习题194

参考文献196