本书分为上下两部分，旨在指导你如何使用R，并提供练习的机会。上半部分主要介绍R的技术细节和使用技巧。每章都简要介绍了一组不同的数据类型（例如第4章介绍向量、矩阵和数组）或概念（例如第8章介绍分支和循环）。下半部分更侧重实践，展示了从输入数据到发布结果这一标准的数据分析流程。 即使你没有任何编程基础，也能顺利阅读本书。 编写简单的R程序，知道R语言能做什么 使用向量、数组、列表、数据框和字符串等数据类型 掌握条件语句以及分支和循环控制语句 应用R的扩展包，将你自己的工作成果打包发给其他人 清理从各种来源导入的数据 通过可视化和汇总统计理解数据 使用统计模型传递关于数据的定量判断并进行预测 了解编写数据分析代码时出现错误的应对措施

本书按照统计学的知识框架，通过大量实例介绍R语言及其统计计算环境。主要内容包括：引言、定量数据、分类数据、图形表示、探索性数据分析、基本推断方法、回归、方差分析、随机化检验、模拟试验、贝叶斯模型、蒙特卡罗方法。 本书适用于已经具备初步统计知识并期望熟练掌握R语言的读者。

本书按照统计学的知识框架，通过大量实例介绍R语言及其统计计算环境。主要内容包括：引言、定量数据、分类数据、图形表示、探索性数据分析、基本推断方法、回归、方差分析、随机化检验、模拟试验、贝叶斯模型、蒙特卡罗方法。 本书适用于已经具备初步统计知识并期望熟练掌握R语言的读者。

随着大数据的概念变得越来越流行，对数据的探索、分析和预测成为大数据分析领域的基本技能之一。作为探索和分析数据的基本理论和工具，机器学习和数据挖掘成为时下炙手可热的技术。R作为功能强大并且免费的数据分析工具，在数据分析领域获得了越来越多用户的青睐。 本书通过丰富的实际案例来探索如何应用R来进行现实世界问题的机器学习，如何从数据中获取可以付诸行动的洞察力。本书案例清晰而实用，讲解循序渐进，是一本用R进行机器学习的实用指南，既适用于机器学习的初学者，也适用于具有一定经验的老手，本书将帮助他们回答有关R的所有问题。

Brett Lantz 在应用创新的数据方法来理解人类的行为方面有10余年经验。他最初是一名社会学家，在学习一个青少年社交网站分布的大型数据库时，他就开始陶醉于机器学习。从那时起，他致力于移动电话、医疗账单数据和公益活动等交叉学科的研究，并维护dataspelunking.com这个网站，该网站致力于分享有关探寻数据中所蕴含的洞察的知识。 译者简介 李洪成　统计学博士，现为上海金融学院副教授，是SPSS统计分析软件和R语言专家。他的研究方向为金融统计和数据挖掘。他曾出版多本著作，并在专业杂志发表多篇论文，代表著作有《SPSS18数据分析基础与实践》、《SPSS数据分析教程》、《时间序列预测实践教程》，译著有《R语言经典实例》、《数据挖掘与R语言》、《金融数据分析导论：基于R语言》等。

随着大数据的概念变得越来越流行，对数据的探索、分析和预测成为大数据分析领域的基本技能之一。作为探索和分析数据的基本理论和工具，机器学习和数据挖掘成为时下炙手可热的技术。R作为功能强大并且免费的数据分析工具，在数据分析领域获得了越来越多用户的青睐。 本书通过丰富的实际案例来探索如何应用R来进行现实世界问题的机器学习，如何从数据中获取可以付诸行动的洞察力。本书案例清晰而实用，讲解循序渐进，是一本用R进行机器学习的实用指南，既适用于机器学习的初学者，也适用于具有一定经验的老手，本书将帮助他们回答有关R的所有问题。

Brett Lantz 在应用创新的数据方法来理解人类的行为方面有10余年经验。他最初是一名社会学家，在学习一个青少年社交网站分布的大型数据库时，他就开始陶醉于机器学习。从那时起，他致力于移动电话、医疗账单数据和公益活动等交叉学科的研究，并维护dataspelunking.com这个网站，该网站致力于分享有关探寻数据中所蕴含的洞察的知识。 译者简介 李洪成　统计学博士，现为上海金融学院副教授，是SPSS统计分析软件和R语言专家。他的研究方向为金融统计和数据挖掘。他曾出版多本著作，并在专业杂志发表多篇论文，代表著作有《SPSS18数据分析基础与实践》、《SPSS数据分析教程》、《时间序列预测实践教程》，译著有《R语言经典实例》、《数据挖掘与R语言》、《金融数据分析导论：基于R语言》等。

本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。书中每一章都包含一个教程，通过图形和实例介绍如何实现R语言提供的分析方法。本书还提供了关于深度学习、生存分析和多重测试的新章节，以及朴素贝叶斯、广义线性模型、贝叶斯加性回归树和矩阵补全的扩展内容，并对R代码进行了全面更新。本书旨在帮助科学、工业和其他领域的从业人员学习和应用这些统计学习技术。

《统计学习导论:基于R应用》读者对象是那些希望运用统计学习前沿技术分析数据的人士，既包括统计学专业的师生，也包括非统计学专业的从业者。

本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。书中每一章都包含一个教程，通过图形和实例介绍如何实现R语言提供的分析方法。本书还提供了关于深度学习、生存分析和多重测试的新章节，以及朴素贝叶斯、广义线性模型、贝叶斯加性回归树和矩阵补全的扩展内容，并对R代码进行了全面更新。本书旨在帮助科学、工业和其他领域的从业人员学习和应用这些统计学习技术。