经典统计理论和机器学习方法为数据挖掘提供了必要的分析技术。《R语言实战�D�D机器学习与数据分析》系统地介绍统计分析和机器学习领域中最为重要和流行的多种技术及其基本原理，在详解有关算法的基础上，结合大量R语言实例演示了这些理论在实践中的使用方法。

具体内容被分成三个部分，即R语言编程基础、基于统计的数据分析方法以及机器学习理论。统计分析与机器学习部分又具体介绍了参数估计、假设检验、极大似然估计、非参数检验方法（包括列联分析、符号检验、符号秩检验等）、方差分析、线性回归（包括岭回归和Lasso方法）、逻辑回归、支持向量机、聚类分析（包括K均值算法和EM算法）和人工神经网络等内容。同时，统计理论的介绍也为深化读者对于后续机器学习部分的理解提供了很大助益。知识结构和阅读进度的安排上既兼顾了循序渐进的学习规律，亦统筹考虑了夯实基础的必要性。

本书内容与实际应用结合紧密，又力求突出深入浅出、系统翔实之特色，对算法原理的解释更是细致入微。

目录

第1章 初识R语言 1
第2章 探索R数据 10
第3章 编写R程序 28
第4章 概率统计基础 42
第5章 实用统计图形 71
第6章 数据输入/输出 99
第7章 高级数据结构 118
第8章 统计推断 146
第9章 非参数检验方法 181
第10章 一元线性回归 208
第11章 线性回归进阶 239
第12章 方差分析方法 275
第13章 聚类分析 307
第14章 支持向量机 326
第15章 人工神经网络 358