R数据分析:9本R语言书,从入门到进阶都在这了

R语言之书:编程与统计
作者:[新西兰]蒂尔曼·M. 戴维斯(Tilman M. Davies)
译者:李毅

    • 《R语言编程艺术》双子星,
    • R语言入门到实战指南
    • 一部翔实的百科全书式的R语言宝典

本书是一本指导你如何掌握并灵活运用目前世界上流行的统计分析编程语言——R语言的图书。即使你没有编程背景,或者只有少量的数学基础知识,也可以通过本书中丰富的实际案例,高效地学习统计学和R语言。
本书从基础知识,如处理数据、编写简单程序开始讲起,然后介绍了样本数据的统计概要、统计建模等。此外,你还将通过R语言的基本作图工具和贡献包(如ggplot2和ggvis)学习令人耳目一新的数据可视化,并使用rgl贡献包做出交互式3D图。
本书包括以下主要内容:

    • R语言编程的基本原理,包括如何编写数据框、创建函数以及使用变量、语句和循环;
    • 有关统计的知识,如探索性数据分析、概率、假设检验和回归模型等,并如何用R语言实现它们;
    • 获得R语言的数千个贡献包和数据集的方法;
    • 从数据中获取有意义的结论的方法;
    • 画出高质量的图形。

R大数据分析实用指南
作者:[英]西蒙·沃克威克(Simon Walkowiak)
译者:顾星竹, 刘见康

本书通过9章内容,循序渐进地揭示了大数据的概念,介绍了如何使用R进行数据处理,如何创建Hadoop虚拟机,如何建立和部署SQL数据库,同时还介绍了MongoDB、HBase、Spark、Hive相关的内容,并介绍了R的潜在应用场景。
本书适合中级数据分析师、数据工程师、统计学家、研究人员和数据科学家阅读,需要读者具备数据分析、数据管理和大数据算法的基本知识。

R语言回顾
R语言初学指南
作者:【美】Brian Dennis(布莱恩·丹尼斯)
译者:刘波, 高敬雅

    • 有趣、生动、实用,高中生也能看懂的R语言书!

市面上的某些R入门手册过于复杂,让人误以认为学习R是一项“艰巨的任务”。《R语言初学指南》将从基础讲起,不要求读者具有计算机编程背景,不要求读者预先掌握统计学和微积分,读者只需具备一定的高中代数知识,就能够理解书中用到的数学知识。
通过《R语言初学指南》,读者可以掌握一系列R技术,并可使用这些技术来完成基础科学和应用数学课程上的大多数计算和绘图项目。

R语言统计入门(第2版)
作者:【丹麦】Peter Dalgaard
译者:郝智恒, 何通, 邓一硕, 刘旭华

《R语言统计入门(第2版)》以最恰当的方式向初学者介绍了R语言的全貌,内容涵盖基本的R编程方法、基本数据处理和一些高级数据操作的技巧,有助于读者理解R向量化编程的特点。此外,作者在《R语言统计入门(第2版)》中还详细描述了包含回归分析、假设检验、广义线性模型、非线性拟合等常用统计方法的原理。虽然《R语言统计入门(第2版》以实际案例解析居多,但是并非不重视理论,作者恰当而到位地描述了理论方面的内容,既不晦涩,也非浅薄,而是向读者打开了一扇窗。作者希望这《R语言统计入门(第2版)》可以作为一道“开胃菜”引导更多的人投入到对统计和R的研究之中。
R语言入门经典
作者:【英】安迪 尼古拉斯(Andy Nicholls), 理查德 皮尤(Richard Pugh), 艾梅 戈特(Aimee Gott)
译者:姜佑

    • R语言程序设计入门教程
    • 学会R语言数据分析与挖掘实战技能
    • 全面涵盖R语言编程基础
    • 通过大量示例帮助读者夯实R语言编程技能

通过阅读本书,读者可以掌握有助于解决大部分真实的数据分析问题的R基础知识和实用编程技巧。你将掌握整个数据分析流程,学会创建高效、可复用且适合与他人共享的代码。
本书采用直观、循序渐进的方法进行讲解,旨在帮助读者掌握如何使用R语言进行数据的导入、导出、操控、汇总、建模和绘制。本书还提供了设计代码的思路,以及如何使用当前的* 佳实践来构建强大的R包。

R数据可视化手册
作者:【美】Winston Chang
译者:肖楠, 邓一硕, 魏太云

    • 全彩印刷!
    • 用R做数据可视化的实用手册
    • 精选快速绘制高质量图形的150多个技巧

作者基于自己的RCookbook网站的内容写成本书,有很好的实用性。
本书提供了快速绘制高质量图形的150多个精选的技巧,读者不需要了解R绘图系统的全部细节便可以掌握这些技巧。书中的大多数方法使用的是以强大、灵活制图而著称的ggplot2包。
深度学习精要(基于R语言)
作者:【美】Joshua F. Wiley(威利)
译者:高蓉

    • 机器学习人工智能AI参考书
    • R语言实战
    • 使用无监督学习建立自动化的预测和分类模型

深度学习是机器学习的一个分支,其基础是一组试图使用模型架构建立高水平抽象模型的算法。本书结合R语言介绍深度学习软件包H2O,帮助读者理解深度学习的概念。本书从在R中设置可获取的重要深度学习包开始,接着转向建立神经网络、预测和深度预测等模型,所有这些模型都由实际案例的辅助来实现。成功安装了H2O软件包后,你将学习预测算法。随后本书会解释诸如过拟合数据、异常数据以及深度预测模型等概念。zui后,本书会介绍设计调参和优化模型的概念。

数据科学:R语言实战
作者:【美】Dan Toomey(丹·图米)
译者:刘丽君, 李成华, 卢青峰

    • 学习R语言数据挖掘
    • 探索数据科学的基本原理
    • 算法解析与案例实战

本书涉及数据科学家感兴趣的核心话题,教会读者从各种各样的数据源中提取数据,并运用现有的公开可用的R函数和R功能包来处理这些数据。在很多情况下,处理结果能够以图形的方式显示,并获得更直观的理解。读者从中能学到行业内经常使用的主流数据分析技术。

概率图模型:基于R语言
作者:【法】David Bellot(大卫·贝洛特)
译者:魏博

    • 热门机器学习研究方向
    • 贝叶斯网络和马尔可夫网络分析方法
    • 深度学习书籍 全彩印刷

概率图是什么?
一种可视化概率模型的方法,有利于设计和开发新模型,在人工智能、机器学习和计算机视觉等领域应用广泛。
读者可以从本书中学到哪些知识?

    • 理解概率图模型的概念,为特定的问题选取特定的概率图模型。
    • 调整模型参数,自动发现新的模型。
    • 从简单到复杂,逐步理解贝叶斯模型的基本原理。
    • 把标准的线性回归模型转换为强大的概率图模型。
    • 理解当今产业界广泛使用的模型。
    • 使用推断和近似推断算法,计算后验概率分布。

小结

本文转载自郭志敏,首发于程序员书屋,请支持原创。

(0)

相关推荐

  • 数据分析师必备技能

    数据分析小白不可怕,找不到学习方向才可怕.已经到了数据分析的大门口了,却不知道怎么开门. 当然,不会开门是很正常的,不然,社会就不需要老师了.小编今天就为大家罗列了数据分析师必备的十项技能. 1.统计 ...

  • 2021,什么数据分析技能最重要?

    大数据文摘授权转载自数据派THU 作者:Emmett Boudreau 翻译:朱启轩 校对:和中华   业界最需要的是什么技能?新的一年里您应该从哪里开始学习?   导读 对于像数据科学这种飞速发展的 ...

  • Python和R哪个适合数据科学?

    python和R都是当下比较流行的编程语言,拥有强大的生态系统和社区,受到大家的追捧和喜欢,那么在数据科学方面,python和R有何区别?我们来看看吧. 大多数深度学习研究都使用python完成的,因 ...

  • 机器学习该怎样入门

    简单来说,入门就是数学基础+编程,也可以学一些简单的算法,看一些数据分析课程来提高数据处理能力等等.一些高难的算法可以等到入门后摸索着去学习和理解,当然上来不建议直接读算法书,对于没有基础的小白来说简 ...

  • 推荐7款好用的Python工具!

    Python数据分析好用的工具有哪些?今天小编为大家推荐七个数据分析师必备的Python工具. Pandas:是一个开源的,BSD许可的库,为Python编程语言提供高性能,易于使用的数据结构和数据分 ...

  • 临床数据分析三板斧之R语言完成自动化三线表

    三线表本来是微软公司的word编辑器里面的概念,就是表属性中,边框里只留上.下内框和标题/层分隔符,其他都选择无就可以了. 但是迁移到临床数据里面,就稍微复杂了一点,就是把条目繁多的临床资料整理一下, ...

  • 把一本R语言书看五遍还是看五本不同的书

    我一直强调,编程基本功必须得看工具书,而且是需要看五本以上,甚至部分书籍需要看五遍以上!比如我在生信分析人员如何系统入门R(2019更新版) 里面给初学者的知识点路线图如下: 了解常量和变量概念 加减 ...

  • R实验设计与数据分析(基于R语言应用)

    6.测得喷洒有机砷农药的4株植物样本的砷残留量为7.5mg,9.7mg,6.8mg,6.4mg:未喷洒有机农药的对照3株植物样本中砷含量为4.2mg,7.0mg,4.6mg,试检验喷洒有机砷农药是否使 ...

  • R数据分析:广义估计方程式GEE的做法和解释

    好久没有更新文章了,因为同学们咨询的问题有点多,另一个原因就是自己实在太懒.... 今天继续给大家写广义估计方程式GEE. In statistics, a generalized estimatin ...

  • R数据分析:潜增长模型LGM的做法和解释,及其与混合模型对比

    今天收到了北京大学老师打来的电话,问我如果没有被数据科学方向的导师录取,愿不愿意去读生物统计的博士. 我婉拒了,些许遗憾,但不后悔,原因全是个人选择,读博挺好的,但是我决定换一种环境,去工作了. 从去 ...

  • R数据分析:如何用lavaan包做结构方程模型,实例解析

    今天给大家写一个非常经典的结构方程模型的例子,这个例子是用来研究精神错乱的,模型总共有3个因子,一个社会经济地位SES,另外两个分别是1967年和1971年的精神错乱alien.每个因子两个测量指标, ...

  • R数据分析:用lme4包拟合线性和非线性混合效应模型

    快一个月没更新文章啦,今天收到好几个粉丝的催更私信,好的吧,实在对不住大家期待的眼神,看样子不能再拖啦,想想写啥好呢,大家咨询比较多的,混合模型算一个,今天就继续给大家写写混合模型如何做吧. 混合模型 ...

  • R数据分析:潜变量与降维方法(主成分分析与因子分析)

    今天把潜变量和降维分析的方法合起来给大家写写,因为这两个东西之间有诸多共同之处. 潜变量 为啥需要潜变量呢?考虑一个问题,比如你想测测一个人有多幸福,你怎么测? 估计你会看看这个人: 脸上有没有笑容 ...

  • R数据分析:再写潜在类别分析LCA的做法与解释

    应粉丝要求,再给大家写一期潜在类别分析的教程,尽量写的详细一点. 首先,问题导入,啥是潜在类别分析? Latent Class Analysis (LCA) is a statistical mode ...