Dieses Buch bietet einen einzigartigen Learning-by-Doing-Ansatz. Sie werden Ihre R-Fähigkeiten erweitern und vertiefen, indem Sie eine Vielzahl von Beispielprojekten aus der Praxis nachvollziehen. Erlernen Sie die Grundlagen von R und RStudio sowie Möglichkeiten der Datenreduktion, des Mapping und der Bildverarbeitung. Dabei kommen Werkzeuge zum Einsatz, die Daten grafisch auswerten, die Analyse interaktiv machen oder die maschinelles Lernen einsetzen. Und auf dem Weg dahin können Sie sogar Ihr Statistikwissen noch erweitern. Warum sollten Sie das Rad neu erfinden, wenn es schon fertige R-Pakete gibt, die Ihre Bedürfnisse bedienen? Hier lernen Sie sie kennen.

Joseph Schmuller forscht an der Universität North Florida und hat Statistik auf ganz verschiedenen Niveaus unterrichtet. Er war Mitglied der American Statistical Association und hat mehr als 25 Jahre Erfahrung in der Informatik. Darüber hinaus ist er Autor diverser Computerbücher, unter anderem von »Statistik mit Excel für Dummies« und »Statistik mit R für Dummies«, und er hat Onlinekurse erstellt.

Über den Autor 9

Widmung 9

Einführung 21

Über dieses Buch 21

Teil 1: Das Handwerkszeug 21

Teil 2: Interaktion mit dem Anwender 22

Teil 3: Maschinelles Lernen 22

Teil 4: Große Datensätze 22

Teil 5: Karten und Bilder 22

Teil 6: Der Top-Ten-Teil 22

Was Sie nicht lesen müssen 22

Törichte Annahmen über den Leser 23

Symbole, die in diesem Buch verwendet werden 23

Wie es weitergeht 23

TEIL I DAS HANDWERKSZEUG 25

Kapitel 1 R: Was R kann und wie R das macht 27

R herunterladen 27

RStudio herunterladen 28

Eine Session mit R 31

Das Arbeitsverzeichnis 31

Jetzt geht es richtig los 32

R-Funktionen 36

Benutzerdefinierte Funktionen 37

Kommentare 38

R-Strukturen 38

Vektoren 38

Numerische Vektoren 39

Matrizen 41

Listen 43

Datensätze (Data Frames) 44

for-Schleifen und if-Anweisungen 47

Kapitel 2 Mit Packages arbeiten 49

Packages installieren 49

Daten untersuchen 51

Anfang und Ende 51

Fehlende Daten 51

Teilmengen (Sub Sets) 52

R-Formeln 53

Weitere Packages 54

tidyverse erforschen 55

Kapitel 3 Daten grafisch darstellen 59

Diagramme mit dem R-Basispaket erstellen 59

Histogramme 59

Dichteplots 61

Säulendiagramme 63

Säulen gruppieren 66

Schneller Projektvorschlag 67

Kreisdiagramme 69

Streudiagramme 69

Matrix von Streudiagrammen 71

Kastengrafik: Kästchen und Antennen 72

Zu ggplot2 aufsteigen 73

Wie es funktioniert 74

Histogramme 75

Säulendiagramme 78

Gruppierte Säulendiagramme 79

Noch einmal Gruppierungen 81

Streudiagramme 84

Streudiagramme mit Pfiff 84

Matrix von Streudiagrammen 88

Boxplots 90

TEIL II INTERAKTION MIT DEM ANWENDER 95

Kapitel 4 Mit einem Browser arbeiten 97

The Shining! 97

Ihr erstes shiny-Projekt erstellen 98

Die Benutzeroberfläche 100

Der Server 102

Abschließende Schritte 103

Reaktiv werden 104

Mit ggplot arbeiten 107

Den Server ändern 108

Noch ein paar Änderungen 110

Mit ggplot reaktiv werden 112

Ein weiteres shiny-Projekt 114

Die Version mit dem R-Basispaket 115

Die ggplot-Version 121

Projektvorschlag 123

Kapitel 5 Dashboards 125

Das Package shinydashboard 125

Dashboard-Layouts verstehen 126

Erste Schritte für die Benutzeroberfläche 126

Die Benutzeroberfläche zusammenstellen: Boxen, Boxen, Boxen 127

In Spalten ausrichten 134

Ein cleverer Trick: Tabs für besseren Überblick 136

Projektvorschlag: Statistiken ergänzen 140

Projektvorschlag: Fügen Sie valueBoxen in tabPanels ein 140

Die Seitenleiste verwenden 142

Die Benutzerschnittstelle 143

Der Server 145

Projektvorschlag: Neue Position für den Schieberegler 147

Mit Grafiken interagieren 149

Klicks, Doppelklicks, Rahmenauswahl 149

Warum das alles? 152

Projektvorschlag: Mit airquality experimentieren 155

TEIL III MASCHINELLES LERNEN 157

Kapitel 6 Werkzeuge und Daten für Projekte

für maschinelles Lernen 159

Das UCI (University of California-Irvine) ML Repository 160

Einen UCI-Datensatz herunterladen 160

Die Daten aufräumen 162

Die Daten untersuchen 163

Beziehungen in den Daten untersuchen 166

Einführung in das Package Rattle 171

Rattle für iris verwenden 173

Daten einlesen und weiter untersuchen 173

Cluster in den Daten finden 175

Kapitel 7 Entscheidungen, Entscheidungen,

Entscheidungen 181

Komponenten von Entscheidungsbäumen 181

Wurzel und Blätter 182

Baumerstellung 183

Entscheidungsbäume in R 183

In R den Baum wachsen lassen 184

Den Baum in R zeichnen 185

Entscheidungsbäume in Rattle 187

Den Baum erstellen 188

Den Baum zeichnen 190

Den Baum auswerten 190

Projekt: Ein komplexerer Entscheidungsbaum 191

Die Daten: Car Evaluation 192

Datenexploration 193

Den Baum erstellen und zeichnen 194

Den Baum auswerten 195

Schneller Projektvorschlag: Den Komplexitätsparameter verstehen 196

Projektvorschlag: Titanic 197

Kapitel 8 Auf in den Wald voller randomisierter Bäume 199

Einen Random Forest wachsen lassen 199

Random Forests in R 201

Den Forest erstellen 201

Den Forest auswerten 202

Genauer hinsehen 203

Fehler als Grafik darstellen 205

Die Wichtigkeit (importance) als Grafik darstellen 206

Projekt: Glas identifizieren 207

Die Daten 208

Die Daten in Rattle bekommen 209

Die Daten untersuchen 210

Den Random Forest wachsen lassen 210

Die Ergebnisse visualisieren 212

Projektvorschlag: Pilze identifizieren 213

Kapitel 9 Unterstützen Sie Ihren lokalen Vektor 215

Ein paar Daten, mit denen Sie arbeiten können 215

Eine Teilmenge verwenden 216

Eine Grenze definieren 216

Stützvektoren verstehen 217

Trennbarkeit: Sie ist üblicherweise nicht linear 219

Support Vector Machines in R 222

e1071 einsetzen 222

kernlab einsetzen 227

Projekt: Parteien im Repräsentantenhaus 229

Die Daten einlesen 230

Die Daten untersuchen 230

Die SVM erstellen 231

Die SVM auswerten 232

Projektvorschlag: Noch einmal Titanic 235

Kapitel 10 K-Means-Clusteranalyse 237

Wie es funktioniert 237

K-Means-Clustering in R 239

Die Daten vorbereiten und analysieren 239

Die Ausgabe verstehen 240

Die Cluster visualisieren 241

Die optimale Anzahl an Clustern ermitteln 242

Schneller Projektvorschlag: Die Sepalen hinzufügen 245

Projekt: Glas-Cluster 247

Die Daten 247

Rattle starten und die Daten untersuchen 248

Clusteranalyse vorbereiten 249

Clusteranalyse durchführen 249

Über Rattle hinaus 250

Projektvorschlag: Ein paar schnelle Projekte 252

Datenpunkte und Cluster visualisieren 252

Die optimale Clusteranzahl .. 252

Variablen hinzufügen 253

Kapitel 11 Neuronale Netze 255

Netzwerke im Nervensystem 255

Künstliche neuronale Netze 256

Überblick 256

Eingabeschicht und verdeckte Schicht 257

Ausgabeschicht 258

Wie alles funktioniert 258

Neuronale Netze in R 259

Ein neuronales Netz für den Datenframe iris erstellen 259

Das neuronale Netz als Grafik darstellen 261

Das Netz evaluieren 262

Schneller Projektvorschlag: Schon wieder diese Sepalen 263

Projekt: Banknoten 263

Die Daten 263

Ein schneller Blick voraus 264

Rattle vorbereiten 265

Das Netz auswerten 267

Über Rattle hinaus: Das Netz visualisieren 267

Projektvorschläge: Experimente mit Rattle 269

TEIL IV GROßE DATENSÄTZE 271

Kapitel 12 Marketing erforschen 273

Projekt: Einzelhandelsdaten analysieren 273

Die Daten 274

RFM in R 275

RFM und maschinelles Lernen 282

K-Means-Clustering 282

Mit Rattle arbeiten 283

Tiefer in die Cluster eintauchen 285

Die Cluster und die Klassen 287

Schneller Projektvorschlag 289

Projektvorschlag: Ein anderer Datensatz 289

Kapitel 13 Aus der Stadt, die niemals schläft 291

Den Datensatz untersuchen 291

Aufwärmen 292

Ein schneller Blick und genaues Hinsehen 292

Pipelining, Filtern und Gruppieren 293

Visualisieren 295

Mit »join« zusammenführen 296

Schneller Projektvorschlag: Namen der Airlines 299

Projekt: Verspätete Abflüge 299

Eine Variable hinzufügen: Wochentag 299

Schneller Projektvorschlag: Unterschiede zwischen Wochentagen analysieren 300

Verspätung, Wochentag und Airport 301

Verspätung und Flugdauer 305

Projektvorschlag: Verspätung und Wetter 306

TEIL V KARTEN UND BILDER 307

Kapitel 14 Daten auf Karten darstellen 309

Projekt: Die Airports von Wisconsin 309

Sich um die Voraussetzungen kümmern 309

Die geografischen Daten von Wisconsin abrufen 310

Die geografischen Daten der Flughäfen ermitteln 311

Die Flughäfen auf der Karte des Bundesstaates ausgeben 313

Schneller Projektvorschlag: Andere Quelle für die geografischen Daten der Airports 314

Projektvorschlag 1: Karte eines anderen Bundesstaates der USA 315

Projektvorschlag 2: Karte der USA 315

Die Hauptstädte der Bundesstaaten 317

Die Flughäfen einzeichnen 318

Kapitel 15 Spaß mit Bildern 321

Ein Bild aufpolieren: Es ist magick! 321

Die Grafik einlesen 322

Drehen, horizontal und vertikal spiegeln 323

Anmerkungen 324

Transformationen kombinieren 325

Schneller Projektvorschlag: Drei F 326

Bilder kombinieren 326

Animationen 327

Ihre eigenen Morphs erstellen .. 328

Projekt: Zwei Legenden auf der Suche nach einer Legende 329

Stan und Ollie herunterladen 330

Die Jungs mit dem Hintergrund kombinieren 330

So funktioniert image_apply() 331

Zurück zur Animation 332

Projektvorschlag: Kombinieren Sie eine Animation und ein Diagramm 332

TEIL VI DER TOP-TEN-TEIL 335

Kapitel 16 Mehr als zehn Packages für Ihre R-Projekte 337

Maschinelles Lernen 337

Datenbanken 338

Karten 338

Bildbearbeitung 340

Textanalyse 340

Kapitel 17 Mehr als zehn nützliche Informationsquellen 343

Mit Benutzern interagieren 343

Maschinelles Lernen 344

Datenbanken 344

Karten und Bilder 345

Stichwortverzeichnis 347