R语言与商业智能

　　《R语言与商业智能》主要介绍了R语言在商业智能中的应用，全书共分为两部分：第一部分介绍了R语言的基本使用，包括基本操作、数据结构、数据整理、基础和高级函数及其应用等；第二部分通过实例介绍了R语言在具体学科中的运用，涉及到金融、统计、经济、数据挖掘等多方面的案例。《R语言与商业智能》偏向于实际应用而非技术或方法的研究，希望能起到抛砖引玉的作用，有效读者开始体验商业智能和R语言的魅力。《R语言与商业智能》既可以作为财经类大学营销、物流、金融、经济、统计、工商管理、经济科学、国贸、计算机、信息管理等专业选修数据挖掘与商业智能的教材，也可用于社会培训机构作为R语言课程教材，同时也适用于没有编程经验的数据分析工作者和爱好者。

　　《R语言与商业智能》依托南京财经大学金融、营销、统计等学科的实际案例数据，利用行业背景知识，讲解R语言的应用。
　　《R语言与商业智能》主要分两部分，前半部分介绍了R语言的基本使用，包含了R语言的基本操作，数据的导入导出，基本和高级数据操作，涵盖了大部分的基本函数。后半部分通过实例介绍了R语言在具体学科中的运用，主要涉及到金融、统计、经济、数据挖掘等多方面的案例。

部分Ⅰ 基 础 知 识
第1章 R简介
1.1 R简介
1.2 R的发展历史
1.3 R的功能
1.4 CRAN和Bioconductor
1.5 R的缺点
1.6 安装R
1.7 R的使用
1.7.1 第一次使用R
1.7.2 获取帮助
1.7.3 工作空间和工作目录
1.8 包的安装和使用
1.9 其他辅助工具
1.9.1 Rcmdr包：实现R的菜单化操作
1.9.2 rattle：可视化数据挖掘工具
1.9.3 Rstudio：一个友好的编辑器

第2章 数据结构
2.1 本章概要
2.2 数据结构
2.2.1 向量
2.2.2 矩阵
2.2.3 数组
2.2.4 因子
2.2.5 列表
2.2.6 数据框
2.3 数据的导入与导出
2.3.1 从键盘输入
2.3.2 从纯文本中读取数据
2.3.3 从其他文件中读取数据
2.3.4 从数据库中读取数据
2.3.5 写文件
2.3.6 使用Windows的粘贴板功能
2.3.7 保存输出
2.3.8 保存为R特有的格式
2.4 总结和补充
2.4.1 总结
2.4.2 补充

第3章 数据清理和转换
3.1 本章概要
3.2 数据清理
3.2.1 缺失值的处理
3.2.2 构建新变量
3.2.3 类型转化
3.2.4 排序
3.2.5 选取特定行或者子集
3.2.6 数据的合并
3.2.7 另一种操作数据框的方法
3.3 数据标准化和中心化
3.4 总结和补充
3.4.1 总结
3.4.2 补充

第4章 R中的函数
4.1 本章概要
4.2 数学函数
4.3 字符串函数
4.4 统计函数
4.5 矩阵计算
4.6 构建自己的函数
4.6.1 判断
4.6.2 循环
4.6.3 创建自己的函数
4.7 高级函数
4.7.1 apply函数族
4.7.2 数据重整

第5章 R绘图
5.1 本章概要
5.2 如何绘制一个图
5.3 保存图形
5.4 绘图时的一些参数设置
5.4.1 图形的边距
5.4.2 多幅图像的排列
5.5 基本绘图函数
5.5.1 设置点和线的类型
5.5.2 设置颜色
5.5.3 文本的大小和字体
5.5.4 设置标题
5.5.5 坐标轴
5.5.6 网格线
5.5.7 图例
5.5.8 文本标注
5.4.9 数学符号
5.5.10 对布局的控制
5.6 R中的基本图形
5.6.1 条形图
5.6.2 直方图和核密度图
5.6.3 饼图
5.6.4 箱线图
5.7 高级绘图函数

第6章 MySQL的安装和使用
6.1 本章概要
6.2 MySQL的安装
6.3 使用R连接MySQL
6.4 MySQL的基本语法
6.4.1 一般的SELECT语句
6.4.2 LIMIT
6.4.3 WHERE
6.4.4 HAVING
6.4.5 AS
6.4.6 ORDER BY
6.3.7 GROUP BY
6.4.8 JOIN
6.4.9 UNION
6.4.10 子查询
6.4.11 把查询结果写入外部文件
6.5 改、写数据库中的表
6.6 MySQL中常见的函数
6.6.1 字符串函数
6.6.2 数学函数
6.7 在R中使用数据
6.7.1 简单数据的展示
6.7.2 多维数据的展示
6.8 对数据进行定量分析
6.9 自动化报表的生成

部分II 案 例
第7章 鸢尾花的分类
7.1 问题描述与目标
7.2 数据描述
7.3 加载数据
7.4 了解你的数据
7.5 模型的建立
7.5.1 判别函数
7.5.2 Logistic回归
7.5.3 决策树
7.5.4 支持向量机
7.5.5 模型之间的比较
7.6 总结

第8章 股票市场的预测
8.1 问题描述与目标
8.2 数据的获得和介绍
8.3 xts包
8.4 问题的定义
8.4.1 衡量的指标
8.4.2 使用什么变量来预测
8.5 模型的预测
8.6 如何使用评价预测值
8.7 总结

第9章 关联分析
9.1 问题描述与目标
9.2 了解数据集
9.2.1 加载数据
9.2.2 数据的初步探索
9.3 缺失值的处理
9.4 数据的转换
9.5 建立模型
9.6 结果的解释和利用
9.7 总结

第10章 推荐系统
10.1 问题描述与目标
10.2 数据描述
10.3 了解数据集
10.4 构建推荐系统
10.4.1 寻找相似的用户
10.4.2 进行推荐
10.4.3 寻找相似的电影
10.5 存在的问题
10.6 总结

　　在大数据时代来临的背景下，R语言作为一种迅速兴起的数据分析工具软件，正越来越多地成为数据分析项目的实施基础。
　　在商业智能的教学过程中，如果缺少相应的实际训练，是很难掌握好理论的。而传统使用的软件主要有两种：一种是全封闭的，用户无法得知软件在运行中究竟完成了什么工作，从而理论和实际得不到紧密地结合，且定制性很难满足教学实践的需求；另外一种是可编程的，这类工具虽然可以很好地定制，能够通过编程来实现模型和计算，但是在使用时也会遇到很多问题，比如这些工具太过于底层，在使用这些软件的时候，会花费很多时间在底层的计算上。因此需要一个工具，它既有很好的定制性，能透明地了解其工作原理，并且对于底层的一些工作已经有了现成的实现。R在很大程度上就能够满足这种需要，R是一个具备计算和绘图环境的语言，在实践中需要使用的一些底层的数据计算、统计计算都已经在R软件或其自带的一些基础包中有了很好地实现，并且R是可以免费下载的开源软件。此外，R和其他很多工具都能很好地结合，比如MicrosoRSQLServr以及在本书中介绍的MySQL数据库。
　　本书正是基于此而编写，主要介绍如何在商业智能中使用R软件。本书依托金融、营销、统计学等学科基础，利用行业背景知识，讲解R语言及其在商业智能上的应用。本书内容主要分为两部分：第一部分介绍R语言的基本使用，包括基本操作、数据结构、数据整理、函数和绘图等内容。在每一章的开始处，对本章内容进行了简单的整体介绍，这有助于读者对本章内容有大体的了解；在结尾处，对每章节进行补充，所补充的是正文中使用到的但没有细讲的那部分内容。第二部分为案例分析，结合具体案例来深入介绍R在商业智能方面的运用，案例分析的章末对本章的知识点进行了总结，列出了重要知识点，有助于在案例分析以后对所用、所学的知识的积累。
　　本书既不是为了全面地介绍商业智能的各个方面或者商业智能使用的各种技术细节，也不是为了介绍R作为一门计算机语言的各种实现细节，而是从实际应用的角度向读者介绍如何在商业智能中使用R软件。因此在编写的时候，尽量避免写成R的使用手册，也极力避免过度纠缠商业智能技术的细节。希望本书能够抛砖引玉，引领读者开始体验商业智能和R的魅力。
　　在本书的写作过程中，参考了大量的有关R的在线文档，这些文档大多会和本书使用到的加载包一起发布。此外，互联网上大量的关于R的博客也对本书的完成提供了思路和借鉴，在此表示感谢。同时对R核心小组和大量的R包的开发者表示感谢，正是因为他们的贡献才有了R的发展。