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