薛薇编著的《R语言数据挖掘(第2版21世纪统计学系列教材)》围绕大数据分析的四大核心问题：建立数据预测模型，揭示数据内在结构，探究数据关联性，诊断异常数据，以应用案例为线索，深入浅出地讨论了众多经典数据挖掘方法原理，完整详细地讲解了R语言实现过程。本书可作为高等院校统计学、数据科学和大数据技术、大数据管理等相关专业本科生和研究生数据挖掘、机器学习和其他数据分析课程的教材，也可作为科研机构、政府和企业经营管理部门等研究人员参考用书。

第1章 数据挖掘与R语言概述
1.1 什么是数据挖掘
1.2 数据挖掘的结果
1.3 数据挖掘能做什么
1.4 数据挖掘方法的特点
1.5 数据挖掘的典型应用
1.6 R语言入门必备
1.7 RStudio简介
1.8 本章 函数列表
第2章 R的数据组织和整理
2.1 R的数据对象
2.2 向量的创建和访问
2.3 矩阵的创建和访问
2.4 数据框的创建和访问
2.5 数组和列表的创建和访问
2.6 数据对象的相互转换
2.7 导入外部数据和保存数据
2.8 R语言程序设计基础
2.9 R语言数据整理和程序设计综合应用
2.1 0本章 函数列表
第3章 R的数据可视化
3.1 绘图基础
3.2 单变量分布特征的可视化
3.3 多变量联合分布特征的可视化
3.4 变量间相关性的可视化
3.5 GIS数据的可视化
3.6 文本词频数据的可视化
3.7 本章 函数列表
第4章 R的近邻分析：数据预测
4.1 近邻分析：K近邻法
4.2 基于变量重要性的加权K近邻法
4.3 基于观测相似性的加权K近邻法
4.4 本章 函数列表
第5章 R的决策树：数据预测
5.1 决策树算法概述
5.2 分类回归树的生长过程
5.3 分类回归树的剪枝
5.4 分类回归树的R函数和应用示例
5.5 建立分类回归树的组合预测模型
5.6 随机森林
5.7 本章 函数列表
第6章 R的人工神经网络：数据预测
6.1 人工神经网络概述
6.2 BP反向传播网络
6.3 BP反向传播网络的R函数和应用示例
6.4 本章 函数列表
第7章 R的支持向量机：数据预测
7.1 支持向量分类概述
7.2 线性可分问题下的支持向量分类
7.3 广义线性可分问题下的支持向量分类
7.4 线性不可分问题下的支持向量分类
7.5 多分类的支持向量分类
7.6 支持向量回归
7.7 R的支持向量机及应用示例
7.8 本章 函数列表
第8章 R的一般聚类：揭示数据内在结构
8.1 聚类分析概述
8.2 基于质心的聚类模型：KMeans聚类
8.3 基于质心的聚类模型：PAM聚类
8.4 基于联通性的聚类模型：层次聚类
8.5 基于统计分布的聚类模型：EM聚类
8.6 本章 函数列表
第9章 R的特色聚类：揭示数据内在结构
9.1 BIRCH聚类
9.2 SOM网络聚类
9.3 基于密度的聚类模型：DBSCAN聚类
9.4 本章 函数列表
第10章 R的关联分析：揭示数据关联性
10.1 简单关联规则及其测度
10.2 Apriori算法及应用示例
10.3 Eclat算法及应用示例
10.4 简单关联分析的应用示例
10.5 序列关联分析及SPADE算法
10.6 本章 函数列表
第11章 R的模式甄别：诊断异常数据
11.1 模式甄别方法和评价概述
11.2 模式甄别的无监督侦测方法及应用示例
11.3 模式甄别的有监督侦测方法及应用示例
11.4 模式甄别的半监督侦测方法及应用示例
11.5 本章 函数列表
第12章 R的网络分析初步
12.1 网络的定义、表示及构建
12.2 网络节点重要性的测度
12.3 网络子群构成特征研究
12.4 网络整体特征刻画
12.5 主要网络类型及特点
12.6 本章 函数列表R语言数据挖掘