R数据挖掘技术-基于R语言的数据挖掘和统计分析技术

培训要点

互联网点击数据、传感数据、日志文件、具有丰富地理空间信息的移动数据和涉及网络的各类评论，成为了海量信息的多种形式。当数据以成百上千TB不断增长的时候，我们在内部交易系统的历史信息之外，需要一种基于大数据分析的决策模型和技术支持。

目前对大数据的分析工具，有Hadoop/Yarn上基于Java语言的Mahout，有Spark上基于Scala的MLlib，但这些工具都由于比较年轻以及侧重于计算背景的分布式，与传统的行业应用联系还不是太紧密，在传统行业中应用，至少目前效果和影响还有待提高。

R语言是一个数据分析和图形显示的程序设计环境，广泛用于统计分析、绘图的语言和操作。同时R也是一个用于统计计算和统计制图的优秀工具，也是GNU的一个自由、免费、源代码开放的软件。R包括一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；数组运算工具（其向量、矩阵运算方面功能尤其强大）；完整连贯的统计分析工具；优秀的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输入，可实现分支、循环，用户可自定义功能。

事实上，R是目前广大企业通用的数据挖掘与统计分析工具，为此Spark等大数据平台从2014年就开始在SparkR等技术中，将R引入到大数据统计分析中，未来形成以R语言为代表的SparkR， 以类SQL为代表的SparkQL，以及Hive on Tez三足鼎立的大数据统计分析工具和平台。

本课程从R语言数据挖掘和统计分析实战的角度，结合理论和实践，全方位地介绍R这一高性能数据分析工具的开发技巧。本课程涉及的主题包括：本培训将介绍基于R语言进行数据处理、数据探索的基本方法，利用R语言实现模型选择、Logistic