第1章數據挖掘與R語言概述
1.1什么是數據挖掘
1.2數據挖掘的結果
1.3數據挖掘能做什么
1.4數據挖掘方法的特點
1.5數據挖掘的典型應用
1.6R語言入門**
1.7RStudio簡介
1.8本章函數列表

第2章R的數據組織和整理
2.1R的數據對象
2.2向量的創建和訪問
2.3矩陣的創建和訪問
2.4數據框的創建和訪問
2.5數組和列表的創建和訪問
2.6數據對象的相互轉換
2.7導入外部數據和保存數據
2.8R語言程序設計基礎
2.9R語言數據整理和程序設計綜合應用
2.10本章函數列表

第3章R的數據可視化
3.1繪圖基礎
3.2單變量分布特征的可視化
3.3多變量聯合分布特征的可視化
3.4變量間相關性的可視化
3.5GIS數據的可視化
3.6文本詞頻數據的可視化
3.7本章函數列表

第4章R的近鄰分析：數據預測
4.1近鄰分析：K近鄰法
4.2基于變量重要性的加權K近鄰法
4.3基于觀測相似性的加權K近鄰法
4.4本章函數列表

第5章R的決策樹：數據預測
5.1決策樹算法概述
5.2分類回歸樹的生長過程
5.3分類回歸樹的剪枝
5.4分類回歸樹的R函數和應用示例
5.5建立分類回歸樹的組合預測模型
5.6隨機森林
5.7本章函數列表

第6章R的人工神經網絡：數據預測
6.1人工神經網絡概述
6.2BP反向傳播網絡
6.3BP反向傳播網絡的R函數和應用示例
6.4本章函數列表

第7章R的支持向量機：數據預測
7.1支持向量分類概述
7.2線性可分問題下的支持向量分類
7.3廣義線性可分問題下的支持向量分類
7.4線性不可分問題下的支持向量分類
7.5多分類的支持向量分類
7.6支持向量回歸
7.7R的支持向量機及應用示例
7.8本章函數列表

第8章R的一般聚類：揭示數據內在結構
8.1聚類分析概述
8.2基于質心的聚類模型：KMeans聚類
8.3基于質心的聚類模型：PAM聚類
8.4基于聯通性的聚類模型：層次聚類
8.5基于統計分布的聚類模型：EM聚類
8.6本章函數列表

第9章R的特色聚類：揭示數據內在結構
9.1BIRCH聚類
9.2SOM網絡聚類
9.3基于密度的聚類模型：DBSCAN聚類
9.4本章函數列表

第10章R的關聯分析：揭示數據關聯性
10.1簡單關聯規則及其測度
10.2Apriori算法及應用示例
10.3Eclat算法及應用示例
10.4簡單關聯分析的應用示例
10.5序列關聯分析及SPADE算法
10.6本章函數列表

第11章R的模式甄別：診斷異常數據
11.1模式甄別方法和評價概述
11.2模式甄別的無監督偵測方法及應用示例
11.3模式甄別的有監督偵測方法及應用示例
11.4模式甄別的半監督偵測方法及應用示例
11.5本章函數列表

第12章R的網絡分析初步
12.1網絡的定義、表示及構建
12.2網絡節點重要性的測度
12.3網絡子群構成特征研究
12.4網絡整體特征刻畫
12.5主要網絡類型及特點
12.6本章函數列表R語言數據挖掘