深入淺出地為你介紹如何使用Python進(jìn)行金融數(shù)據(jù)分析、挖掘和量化投資的全過程。
電子書
編輯推薦
以醫(yī)學(xué)數(shù)據(jù)為例，講解如何使用R進(jìn)行數(shù)據(jù)分析。
內(nèi)容簡介
本書以醫(yī)學(xué)數(shù)據(jù)為例，講解如何使用R進(jìn)行數(shù)據(jù)分析，結(jié)合大量精選的實(shí)例對(duì)常用分析方法進(jìn)行了介紹，以幫助讀者解決醫(yī)學(xué)數(shù)據(jù)分析中的實(shí)際問題。本書共分為14章，第1章～第3章介紹了R語言的基本用法；第4章介紹了數(shù)據(jù)可視化；第5章介紹了基本的統(tǒng)計(jì)分析方法；第6章～第8章介紹了醫(yī)學(xué)研究中最常用的三種回歸模型；第9章介紹了生存分析的基本方法；第10章～第12章介紹了幾種常用的多元統(tǒng)計(jì)分析方法；第13章介紹了臨床診斷試驗(yàn)的統(tǒng)計(jì)評(píng)價(jià)指標(biāo)和計(jì)算方法；第14章介紹了在醫(yī)學(xué)科研實(shí)踐中常用的Meta分析方法。
章節(jié)目錄
- 扉頁
- 內(nèi)容提要
- 序言
- 前言
- 資源與支持
- 配套資源
- 提交勘誤
- 掃碼關(guān)注本書
- 與我們聯(lián)系
- 關(guān)于異步社區(qū)和異步圖書
- 目錄
- 第 1章 R語言介紹
- 1.1 什么是R語言
- 1.2 為什么使用R分析數(shù)據(jù)
- 1.3 R的下載與安裝
- 1.4 啟動(dòng)和退出R
- 1.5 RStudio
- 1.6 R包
- 1.6.1 什么是包
- 1.6.2 包的安裝
- 1.6.3 包的使用和更新
- 1.7 開始使用R
- 1.7.1 獲取幫助
- 1.7.2 把R當(dāng)作一個(gè)計(jì)算器
- 1.7.3 R對(duì)象
- 1.8 工作空間管理
- 1.9 小結(jié)
- 1.10 習(xí)題
- 第 2章 創(chuàng)建數(shù)據(jù)集
- 2.1 R的數(shù)據(jù)結(jié)構(gòu)
- 2.1.1 向量
- 2.1.2 因子
- 2.1.3 矩陣
- 2.1.4 數(shù)組
- 2.1.5 列表
- 2.1.6 數(shù)據(jù)框
- 2.1.7 數(shù)據(jù)類型的轉(zhuǎn)換
- 2.2 用R獲取數(shù)據(jù)
- 2.2.1 獲取內(nèi)置數(shù)據(jù)集
- 2.2.2 模擬特定分布的數(shù)據(jù)
- 2.2.3 獲取其他格式的數(shù)據(jù)
- 2.2.4 導(dǎo)出數(shù)據(jù)
- 2.2.5 用rio包導(dǎo)入和導(dǎo)出數(shù)據(jù)
- 2.3 數(shù)據(jù)錄入
- 2.4 小結(jié)
- 2.5 習(xí)題
- 第 3章 數(shù)據(jù)框的操作
- 3.1 用基本包處理數(shù)據(jù)框
- 3.1.1 查看數(shù)據(jù)框里的內(nèi)容
- 3.1.2 選取數(shù)據(jù)框的子集
- 3.1.3 將數(shù)據(jù)框按照某個(gè)變量的值排序
- 3.1.4 查找和刪除重復(fù)數(shù)據(jù)
- 3.1.5 在數(shù)據(jù)框中添加和刪除變量
- 3.1.6 把數(shù)據(jù)框添加到搜索路徑
- 3.2 用dplyr包處理數(shù)據(jù)框
- 3.2.1 使用filter( )和slice( )篩選行
- 3.2.2 使用arrange( )排列行
- 3.2.3 使用select( )選擇列
- 3.2.4 使用mutate( )添加新變量
- 3.2.5 使用summarise( )計(jì)算統(tǒng)計(jì)量
- 3.2.6 使用group_by( )拆分?jǐn)?shù)據(jù)框
- 3.2.7 使用傳遞符“%>%”組合多個(gè)操作
- 3.3 數(shù)據(jù)框的合并
- 3.3.1 縱向合并
- 3.3.2 橫向合并
- 3.3.3 按照某個(gè)共有變量合并
- 3.4 數(shù)據(jù)框的長寬格式的轉(zhuǎn)換
- 3.5 缺失值的處理
- 3.5.1 識(shí)別缺失值
- 3.5.2 探索數(shù)據(jù)框里的缺失值
- 3.5.3 填充缺失值
- 3.6 處理大型數(shù)據(jù)集的策略
- 3.6.1 清理工作空間
- 3.6.2 快速讀取.csv文件
- 3.6.3 模擬一個(gè)大型數(shù)據(jù)集
- 3.6.4 剔除不需要的變量
- 3.6.5 選取數(shù)據(jù)集的一個(gè)隨機(jī)樣本
- 3.7 小結(jié)
- 3.8 習(xí)題
- 第 4章 數(shù)據(jù)可視化
- 4.1 用R的基礎(chǔ)繪圖系統(tǒng)作圖
- 4.1.1 函數(shù)plot( )
- 4.1.2 直方圖和密度曲線圖
- 4.1.3 條形圖
- 4.1.4 餅圖
- 4.1.5 箱線圖和小提琴圖
- 4.1.6 克利夫蘭點(diǎn)圖
- 4.1.7 導(dǎo)出圖形
- 4.2 用ggplot2包作圖
- 4.2.1 初識(shí)ggplot2包
- 4.2.2 分布的特征
- 4.2.3 比例的構(gòu)成
- 4.2.4 用函數(shù)ggsave( )保存圖形
- 4.3 其他圖形
- 4.3.1 金字塔圖
- 4.3.2 橫向堆棧條形圖
- 4.3.3 熱圖
- 4.3.4 三維散點(diǎn)圖
- 4.3.5 詞云圖
- 4.3.6 動(dòng)態(tài)圖形
- 4.4 小結(jié)
- 4.5 習(xí)題
- 第 5章 基本統(tǒng)計(jì)分析
- 5.1 數(shù)值型變量的描述性統(tǒng)計(jì)分析
- 5.2 分類變量的列聯(lián)表和獨(dú)立性檢驗(yàn)
- 5.2.1 生成頻數(shù)表和列聯(lián)表
- 5.2.2 獨(dú)立性檢驗(yàn)
- 5.3 連續(xù)型變量組間差異的比較
- 5.3.1 獨(dú)立樣本的t檢驗(yàn)
- 5.3.2 非獨(dú)立樣本的t檢驗(yàn)
- 5.3.3 單因素方差分析
- 5.3.4 組間差異的非參數(shù)檢驗(yàn)
- 5.4 用函數(shù)tablestack( )匯總雙變量分析結(jié)果
- 5.5 變量間的相關(guān)性
- 5.5.1 連續(xù)型變量間的相關(guān)性
- 5.5.2 分類變量間的相關(guān)性
- 5.5.3 相關(guān)性的可視化
- 5.6 小結(jié)
- 5.7 習(xí)題
- 第 6章 線性回歸分析
- 6.1 簡單線性回歸
- 6.1.1 擬合簡單線性回歸模型
- 6.1.2 模型輸出結(jié)果的解釋
- 6.1.3 回歸診斷
- 6.2 分層線性回歸
- 6.3 多重線性回歸
- 6.3.1 擬合多重線性回歸模型
- 6.3.2 多重共線性
- 6.3.3 逐步回歸
- 6.3.4 回歸診斷
- 6.4 小結(jié)
- 6.5 習(xí)題
- 第 7章 Logistic回歸分析
- 7.1 二分類Logistic回歸
- 7.1.1 Logistic回歸模型
- 7.1.2 Logistic回歸實(shí)例
- 7.1.3 表格數(shù)據(jù)的Logistic回歸
- 7.2 條件Logistic回歸
- 7.3 無序多分類Logistic回歸
- 7.4 有序Logistic回歸
- 7.5 小結(jié)
- 7.6 習(xí)題
- 第 8章 Poisson回歸分析
- 8.1 Poisson回歸模型
- 8.2 過度離散的判定及處理
- 8.3 對(duì)數(shù)線性模型
- 8.4 小結(jié)
- 8.5 習(xí)題
- 第9章 生存分析
- 9.1 生存對(duì)象
- 9.2 生存率的估計(jì)與生存曲線
- 9.3 生存率的比較
- 9.4 Cox回歸
- 9.4.1 建立Cox回歸模型
- 9.4.2 比例風(fēng)險(xiǎn)假定的檢驗(yàn)
- 9.4.3 生存的預(yù)測(cè)
- 9.5 小結(jié)
- 9.6 習(xí)題
- 第10章 聚類分析
- 10.1 相似性的度量
- 10.1.1 樣品間的距離
- 10.1.2 變量間的相似系數(shù)
- 10.2 層次聚類法
- 10.2.1 類之間相似系數(shù)的定義
- 10.2.2 Q型聚類
- 10.2.3 R型聚類
- 10.3 k均值聚類法
- 10.4 小結(jié)
- 10.5 習(xí)題
- 第11章 判別分析
- 11.1 距離判別
- 11.2 K最鄰近判別
- 11.3 Fisher判別
- 11.4 Bayes 判別
- 11.5 小結(jié)
- 11.6 習(xí)題
- 第 12章 主成分分析和因子分析
- 12.1 主成分分析
- 12.1.1 主成分的定義
- 12.1.2 主成分的求解
- 12.1.3 主成分分析的注意事項(xiàng)
- 12.2 因子分析
- 12.2.1 因子分析模型的定義
- 12.2.2 因子分析模型的求解
- 12.2.3 因子旋轉(zhuǎn)
- 12.2.4 因子分析的注意事項(xiàng)
- 12.3 小結(jié)
- 12.4 習(xí)題
- 第 13章 臨床診斷試驗(yàn)評(píng)價(jià)
- 13.1 二分類結(jié)果的評(píng)價(jià)指標(biāo)
- 13.1.1 靈敏度和特異度
- 13.1.2 預(yù)測(cè)值
- 13.1.3 圖解靈敏度、特異度、陽性預(yù)測(cè)值和陰性預(yù)測(cè)值
- 13.1.4 診斷試驗(yàn)的綜合評(píng)價(jià)指標(biāo)
- 13.2 ROC及曲線下面積
- 13.2.1 單個(gè)ROC分析
- 13.2.2 兩個(gè)ROC的比較
- 13.2.3 Logistic回歸的ROC曲線
- 13.3 聯(lián)合試驗(yàn)
- 13.4 小結(jié)
- 13.5 習(xí)題
- 第14章 Meta分析
- 14.1 Meta分析的基本步驟
- 14.2 Meta分析的常用統(tǒng)計(jì)方法
- 14.3 二分類變量資料的Meta分析
- 14.3.1 OR、RR或RD的合并
- 14.3.2 發(fā)表偏倚的識(shí)別
- 14.3.3 敏感性分析
- 14.4 連續(xù)型變量資料的Meta分析
- 14.5 Meta分析的注意事項(xiàng)
- 14.6 小結(jié)
- 14.7 習(xí)題
- 習(xí)題參考答案
- 函數(shù)索引
- 參考文獻(xiàn)
展開全部
R語言醫(yī)學(xué)數(shù)據(jù)分析實(shí)戰(zhàn)是2020年由人民郵電出版社出版,作者趙軍 編著。
溫馨提示：
1.本電子書已獲得正版授權(quán)，由出版社通過知傳鏈發(fā)行。
2.該電子書為虛擬物品，付費(fèi)之后概不接收任何理由退款。電子書內(nèi)容僅支持在線閱讀，不支持下載。
3.您在本站購買的閱讀使用權(quán)僅限于您本人閱讀使用，您不得/不能給任何第三方使用，由此造成的一切相關(guān)后果本平臺(tái)保留向您追償索賠的權(quán)利！版權(quán)所有，后果自負(fù)！
得書感謝您對(duì)《R語言醫(yī)學(xué)數(shù)據(jù)分析實(shí)戰(zhàn)》關(guān)注和支持，如本書內(nèi)容有不良信息或侵權(quán)等情形的，請(qǐng)聯(lián)系本網(wǎng)站。
電子書
電子書
適讀人群 ：普通高校電子信息大類本科生學(xué)習(xí)、考研，同時(shí)也適合零售和培訓(xùn)。
采用“案例驅(qū)動(dòng)”的編寫模式。書中結(jié)合實(shí)際應(yīng)用，將各章按照“案例引入——數(shù)據(jù)結(jié)構(gòu)及其操作——案例分析與實(shí)現(xiàn)”的案例驅(qū)動(dòng)思路來展開。每章使用一個(gè)有趣的“問題案例”開頭，由該案例逐步引入新的數(shù)據(jù)結(jié)構(gòu)，然后給出該數(shù)據(jù)結(jié)構(gòu)的存儲(chǔ)表示及各種基本操作的實(shí)現(xiàn)，之后進(jìn)一步分析此案例，最終利用該數(shù)據(jù)結(jié)構(gòu)來實(shí)現(xiàn)此案例。
算法講解更加細(xì)致。新版教材中對(duì)每個(gè)算法思想進(jìn)行詳細(xì)闡述，將用文字描述的算法步驟與用類C語言表述的算法描述一一對(duì)應(yīng)。
優(yōu)化教材內(nèi)容。參考計(jì)算機(jī)專業(yè)全新的全國統(tǒng)考考研大綱，增加了大綱近兩年新增的考點(diǎn)內(nèi)容，如分塊查找、外部排序等，有助于考研學(xué)生復(fù)習(xí)備考使用。
電子書
理論與實(shí)際操作緊密結(jié)合，讓你體驗(yàn)并掌握使用Access建立數(shù)據(jù)庫應(yīng)用系統(tǒng)的全過程。
電子書
涉及PowerBI所有原生組件、微軟APPStore的三方組件，以及上北智信科技有限公司研發(fā)的特色組件，提供全書所有組件及案例文件，幫助讀者火速上手并實(shí)際應(yīng)用。
電子書
電子書
數(shù)據(jù)分析是當(dāng)今大數(shù)據(jù)時(shí)代最關(guān)鍵的技術(shù)，其廣泛應(yīng)用于包括醫(yī)學(xué)在內(nèi)的各個(gè)領(lǐng)域。
電子書
1.上海交通大學(xué)機(jī)器學(xué)習(xí)、人工智能專家親筆力作。
2.超過900分鐘的全程視頻講解，掃一掃二維碼，跟著視頻輕松學(xué)。
3.網(wǎng)易云課堂同名人氣課程，全部五星好評(píng)。
電子書
