R in Projekten anwenden für Dummies

Joseph Schmuller forscht an der Universität North Florida und hat Statistik auf ganz verschiedenen Niveaus unterrichtet. Er war Mitglied der American Statistical Association und hat mehr als 25 Jahre Erfahrung in der Informatik. Darüber hinaus ist er Autor diverser Computerbücher, unter anderem von »Statistik mit Excel für Dummies« und »Statistik mit R für Dummies«, und er hat Onlinekurse erstellt.

• Über den Autor 9Widmung 9Einführung 21Über dieses Buch 21Teil 1: Das Handwerkszeug 21Teil 2: Interaktion mit dem Anwender 22Teil 3: Maschinelles Lernen 22Teil 4: Große Datensätze 22Teil 5: Karten und Bilder 22Teil 6: Der Top-Ten-Teil 22Was Sie nicht lesen müssen 22Törichte Annahmen über den Leser 23Symbole, die in diesem Buch verwendet werden 23Wie es weitergeht 23TEIL I DAS HANDWERKSZEUG 25Kapitel 1 R: Was R kann und wie R das macht 27R herunterladen 27RStudio herunterladen 28Eine Session mit R 31Das Arbeitsverzeichnis 31Jetzt geht es richtig los 32R-Funktionen 36Benutzerdefinierte Funktionen 37Kommentare 38R-Strukturen 38Vektoren 38Numerische Vektoren 39Matrizen 41Listen 43Datensätze (Data Frames) 44for-Schleifen und if-Anweisungen 47Kapitel 2 Mit Packages arbeiten 49Packages installieren 49Daten untersuchen 51Anfang und Ende 51Fehlende Daten 51Teilmengen (Sub Sets) 52R-Formeln 53Weitere Packages 54tidyverse erforschen 55Kapitel 3 Daten grafisch darstellen 59Diagramme mit dem R-Basispaket erstellen 59Histogramme 59Dichteplots 61Säulendiagramme 63Säulen gruppieren 66Schneller Projektvorschlag 67Kreisdiagramme 69Streudiagramme 69Matrix von Streudiagrammen 71Kastengrafik: Kästchen und Antennen 72Zu ggplot2 aufsteigen 73Wie es funktioniert 74Histogramme 75Säulendiagramme 78Gruppierte Säulendiagramme 79Noch einmal Gruppierungen 81Streudiagramme 84Streudiagramme mit Pfiff 84Matrix von Streudiagrammen 88Boxplots 90TEIL II INTERAKTION MIT DEM ANWENDER 95Kapitel 4 Mit einem Browser arbeiten 97The Shining! 97Ihr erstes shiny-Projekt erstellen 98Die Benutzeroberfläche 100Der Server 102Abschließende Schritte 103Reaktiv werden 104Mit ggplot arbeiten 107Den Server ändern 108Noch ein paar Änderungen 110Mit ggplot reaktiv werden 112Ein weiteres shiny-Projekt 114Die Version mit dem R-Basispaket 115Die ggplot-Version 121Projektvorschlag 123Kapitel 5 Dashboards 125Das Package shinydashboard 125Dashboard-Layouts verstehen 126Erste Schritte für die Benutzeroberfläche 126Die Benutzeroberfläche zusammenstellen: Boxen, Boxen, Boxen 127In Spalten ausrichten 134Ein cleverer Trick: Tabs für besseren Überblick 136Projektvorschlag: Statistiken ergänzen 140Projektvorschlag: Fügen Sie valueBoxen in tabPanels ein 140Die Seitenleiste verwenden 142Die Benutzerschnittstelle 143Der Server 145Projektvorschlag: Neue Position für den Schieberegler 147Mit Grafiken interagieren 149Klicks, Doppelklicks, Rahmenauswahl 149Warum das alles? 152Projektvorschlag: Mit airquality experimentieren 155TEIL III MASCHINELLES LERNEN 157Kapitel 6 Werkzeuge und Daten für Projektefür maschinelles Lernen 159Das UCI (University of California-Irvine) ML Repository 160Einen UCI-Datensatz herunterladen 160Die Daten aufräumen 162Die Daten untersuchen 163Beziehungen in den Daten untersuchen 166Einführung in das Package Rattle 171Rattle für iris verwenden 173Daten einlesen und weiter untersuchen 173Cluster in den Daten finden 175Kapitel 7 Entscheidungen, Entscheidungen,Entscheidungen 181Komponenten von Entscheidungsbäumen 181Wurzel und Blätter 182Baumerstellung 183Entscheidungsbäume in R 183In R den Baum wachsen lassen 184Den Baum in R zeichnen 185Entscheidungsbäume in Rattle 187Den Baum erstellen 188Den Baum zeichnen 190Den Baum auswerten 190Projekt: Ein komplexerer Entscheidungsbaum 191Die Daten: Car Evaluation 192Datenexploration 193Den Baum erstellen und zeichnen 194Den Baum auswerten 195Schneller Projektvorschlag: Den Komplexitätsparameter verstehen 196Projektvorschlag: Titanic 197Kapitel 8 Auf in den Wald voller randomisierter Bäume 199Einen Random Forest wachsen lassen 199Random Forests in R 201Den Forest erstellen 201Den Forest auswerten 202Genauer hinsehen 203Fehler als Grafik darstellen 205Die Wichtigkeit (importance) als Grafik darstellen 206Projekt: Glas identifizieren 207Die Daten 208Die Daten in Rattle bekommen 209Die Daten untersuchen 210Den Random Forest wachsen lassen 210Die Ergebnisse visualisieren 212Projektvorschlag: Pilze identifizieren 213Kapitel 9 Unterstützen Sie Ihren lokalen Vektor 215 Ein paar Daten, mit denen Sie arbeiten können 215Eine Teilmenge verwenden 216Eine Grenze definieren 216Stützvektoren verstehen 217Trennbarkeit: Sie ist üblicherweise nicht linear 219Support Vector Machines in R 222e1071 einsetzen 222kernlab einsetzen 227Projekt: Parteien im Repräsentantenhaus 229Die Daten einlesen 230Die Daten untersuchen 230Die SVM erstellen 231Die SVM auswerten 232Projektvorschlag: Noch einmal Titanic 235Kapitel 10 K-Means-Clusteranalyse 237Wie es funktioniert 237K-Means-Clustering in R 239Die Daten vorbereiten und analysieren 239Die Ausgabe verstehen 240Die Cluster visualisieren 241Die optimale Anzahl an Clustern ermitteln 242Schneller Projektvorschlag: Die Sepalen hinzufügen 245Projekt: Glas-Cluster 247Die Daten 247Rattle starten und die Daten untersuchen 248Clusteranalyse vorbereiten 249Clusteranalyse durchführen 249Über Rattle hinaus 250Projektvorschlag: Ein paar schnelle Projekte 252Datenpunkte und Cluster visualisieren 252Die optimale Clusteranzahl .. 252Variablen hinzufügen 253Kapitel 11 Neuronale Netze 255Netzwerke im Nervensystem 255Künstliche neuronale Netze 256Überblick 256Eingabeschicht und verdeckte Schicht 257Ausgabeschicht 258Wie alles funktioniert 258Neuronale Netze in R 259Ein neuronales Netz für den Datenframe iris erstellen 259Das neuronale Netz als Grafik darstellen 261Das Netz evaluieren 262Schneller Projektvorschlag: Schon wieder diese Sepalen 263Projekt: Banknoten 263Die Daten 263Ein schneller Blick voraus 264Rattle vorbereiten 265Das Netz auswerten 267Über Rattle hinaus: Das Netz visualisieren 267Projektvorschläge: Experimente mit Rattle 269TEIL IV GROßE DATENSÄTZE 271Kapitel 12 Marketing erforschen 273Projekt: Einzelhandelsdaten analysieren 273Die Daten 274RFM in R 275RFM und maschinelles Lernen 282K-Means-Clustering 282Mit Rattle arbeiten 283Tiefer in die Cluster eintauchen 285Die Cluster und die Klassen 287Schneller Projektvorschlag 289Projektvorschlag: Ein anderer Datensatz 289Kapitel 13 Aus der Stadt, die niemals schläft 291Den Datensatz untersuchen 291Aufwärmen 292Ein schneller Blick und genaues Hinsehen 292Pipelining, Filtern und Gruppieren 293Visualisieren 295Mit »join« zusammenführen 296Schneller Projektvorschlag: Namen der Airlines 299Projekt: Verspätete Abflüge 299Eine Variable hinzufügen: Wochentag 299Schneller Projektvorschlag: Unterschiede zwischen Wochentagen analysieren 300Verspätung, Wochentag und Airport 301Verspätung und Flugdauer 305Projektvorschlag: Verspätung und Wetter 306TEIL V KARTEN UND BILDER 307Kapitel 14 Daten auf Karten darstellen 309Projekt: Die Airports von Wisconsin 309Sich um die Voraussetzungen kümmern 309Die geografischen Daten von Wisconsin abrufen 310Die geografischen Daten der Flughäfen ermitteln 311Die Flughäfen auf der Karte des Bundesstaates ausgeben 313Schneller Projektvorschlag: Andere Quelle für die geografischen Daten der Airports 314Projektvorschlag 1: Karte eines anderen Bundesstaates der USA 315Projektvorschlag 2: Karte der USA 315Die Hauptstädte der Bundesstaaten 317Die Flughäfen einzeichnen 318Kapitel 15 Spaß mit Bildern 321Ein Bild aufpolieren: Es ist magick! 321Die Grafik einlesen 322Drehen, horizontal und vertikal spiegeln 323Anmerkungen 324Transformationen kombinieren 325Schneller Projektvorschlag: Drei F 326Bilder kombinieren 326Animationen 327Ihre eigenen Morphs erstellen .. 328Projekt: Zwei Legenden auf der Suche nach einer Legende 329Stan und Ollie herunterladen 330Die Jungs mit dem Hintergrund kombinieren 330So funktioniert image_apply() 331Zurück zur Animation 332Projektvorschlag: Kombinieren Sie eine Animation und ein Diagramm 332TEIL VI DER TOP-TEN-TEIL 335Kapitel 16 Mehr als zehn Packages für Ihre R-Projekte 337Maschinelles Lernen 337Datenbanken 338Karten 338Bildbearbeitung 340Textanalyse 340Kapitel 17 Mehr als zehn nützliche Informationsquellen 343Mit Benutzern interagieren 343Maschinelles Lernen 344Datenbanken 344Karten und Bilder 345Stichwortverzeichnis 347