<p>Über den Autor 9</p> <p>Widmung 9</p> <p><b>Einführung 21</b></p> <p>Über dieses Buch 21</p> <p>Teil 1: Das Handwerkszeug 21</p> <p>Teil 2: Interaktion mit dem Anwender 22</p> <p>Teil 3: Maschinelles Lernen 22</p> <p>Teil 4: Große Datensätze 22</p> <p>Teil 5: Karten und Bilder 22</p> <p>Teil 6: Der Top-Ten-Teil 22</p> <p>Was Sie nicht lesen müssen 22</p> <p>Törichte Annahmen über den Leser 23</p> <p>Symbole, die in diesem Buch verwendet werden 23</p> <p>Wie es weitergeht 23</p> <p><b>TEIL I DAS HANDWERKSZEUG 25</b></p> <p><b>Kapitel 1 R: Was R kann und wie R das macht 27</b></p> <p>R herunterladen 27</p> <p>RStudio herunterladen 28</p> <p>Eine Session mit R 31</p> <p>Das Arbeitsverzeichnis 31</p> <p>Jetzt geht es richtig los 32</p> <p>R-Funktionen 36</p> <p>Benutzerdefinierte Funktionen 37</p> <p>Kommentare 38</p> <p>R-Strukturen 38</p> <p>Vektoren 38</p> <p>Numerische Vektoren 39</p> <p>Matrizen 41</p> <p>Listen 43</p> <p>Datensätze (Data Frames) 44</p> <p>for-Schleifen und if-Anweisungen 47</p> <p><b>Kapitel 2 Mit Packages arbeiten 49</b></p> <p>Packages installieren 49</p> <p>Daten untersuchen 51</p> <p>Anfang und Ende 51</p> <p>Fehlende Daten 51</p> <p>Teilmengen (Sub Sets) 52</p> <p>R-Formeln 53</p> <p>Weitere Packages 54</p> <p>tidyverse erforschen 55</p> <p><b>Kapitel 3 Daten grafisch darstellen 59</b></p> <p>Diagramme mit dem R-Basispaket erstellen 59</p> <p>Histogramme 59</p> <p>Dichteplots 61</p> <p>Säulendiagramme 63</p> <p>Säulen gruppieren 66</p> <p>Schneller Projektvorschlag 67</p> <p>Kreisdiagramme 69</p> <p>Streudiagramme 69</p> <p>Matrix von Streudiagrammen 71</p> <p>Kastengrafik: Kästchen und Antennen 72</p> <p>Zu ggplot2 aufsteigen 73</p> <p>Wie es funktioniert 74</p> <p>Histogramme 75</p> <p>Säulendiagramme 78</p> <p>Gruppierte Säulendiagramme 79</p> <p>Noch einmal Gruppierungen 81</p> <p>Streudiagramme 84</p> <p>Streudiagramme mit Pfiff 84</p> <p>Matrix von Streudiagrammen 88</p> <p>Boxplots 90</p> <p><b>TEIL II INTERAKTION MIT DEM ANWENDER 95</b></p> <p><b>Kapitel 4 Mit einem Browser arbeiten 97</b></p> <p>The Shining! 97</p> <p>Ihr erstes shiny-Projekt erstellen 98</p> <p>Die Benutzeroberfläche 100</p> <p>Der Server 102</p> <p>Abschließende Schritte 103</p> <p>Reaktiv werden 104</p> <p>Mit ggplot arbeiten 107</p> <p>Den Server ändern 108</p> <p>Noch ein paar Änderungen 110</p> <p>Mit ggplot reaktiv werden 112</p> <p>Ein weiteres shiny-Projekt 114</p> <p>Die Version mit dem R-Basispaket 115</p> <p>Die ggplot-Version 121</p> <p>Projektvorschlag 123</p> <p><b>Kapitel 5 Dashboards 125</b></p> <p>Das Package shinydashboard 125</p> <p>Dashboard-Layouts verstehen 126</p> <p>Erste Schritte für die Benutzeroberfläche 126</p> <p>Die Benutzeroberfläche zusammenstellen: Boxen, Boxen, Boxen 127</p> <p>In Spalten ausrichten 134</p> <p>Ein cleverer Trick: Tabs für besseren Überblick 136</p> <p>Projektvorschlag: Statistiken ergänzen 140</p> <p>Projektvorschlag: Fügen Sie valueBoxen in tabPanels ein 140</p> <p>Die Seitenleiste verwenden 142</p> <p>Die Benutzerschnittstelle 143</p> <p>Der Server 145</p> <p>Projektvorschlag: Neue Position für den Schieberegler 147</p> <p>Mit Grafiken interagieren 149</p> <p>Klicks, Doppelklicks, Rahmenauswahl 149</p> <p>Warum das alles? 152</p> <p>Projektvorschlag: Mit airquality experimentieren 155</p> <p><b>TEIL III MASCHINELLES LERNEN 157</b></p> <p><b>Kapitel 6 Werkzeuge und Daten für Projekte</b></p> <p>für maschinelles Lernen 159</p> <p>Das UCI (University of California-Irvine) ML Repository 160</p> <p>Einen UCI-Datensatz herunterladen 160</p> <p>Die Daten aufräumen 162</p> <p>Die Daten untersuchen 163</p> <p>Beziehungen in den Daten untersuchen 166</p> <p>Einführung in das Package Rattle 171</p> <p>Rattle für iris verwenden 173</p> <p>Daten einlesen und weiter untersuchen 173</p> <p>Cluster in den Daten finden 175</p> <p><b>Kapitel 7 Entscheidungen, Entscheidungen,</b></p> <p>Entscheidungen 181</p> <p>Komponenten von Entscheidungsbäumen 181</p> <p>Wurzel und Blätter 182</p> <p>Baumerstellung 183</p> <p>Entscheidungsbäume in R 183</p> <p>In R den Baum wachsen lassen 184</p> <p>Den Baum in R zeichnen 185</p> <p>Entscheidungsbäume in Rattle 187</p> <p>Den Baum erstellen 188</p> <p>Den Baum zeichnen 190</p> <p>Den Baum auswerten 190</p> <p>Projekt: Ein komplexerer Entscheidungsbaum 191</p> <p>Die Daten: Car Evaluation 192</p> <p>Datenexploration 193</p> <p>Den Baum erstellen und zeichnen 194</p> <p>Den Baum auswerten 195</p> <p>Schneller Projektvorschlag: Den Komplexitätsparameter verstehen 196</p> <p>Projektvorschlag: Titanic 197</p> <p><b>Kapitel 8 Auf in den Wald voller randomisierter Bäume 199</b></p> <p>Einen Random Forest wachsen lassen 199</p> <p>Random Forests in R 201</p> <p>Den Forest erstellen 201</p> <p>Den Forest auswerten 202</p> <p>Genauer hinsehen 203</p> <p>Fehler als Grafik darstellen 205</p> <p>Die Wichtigkeit (importance) als Grafik darstellen 206</p> <p>Projekt: Glas identifizieren 207</p> <p>Die Daten 208</p> <p>Die Daten in Rattle bekommen 209</p> <p>Die Daten untersuchen 210</p> <p>Den Random Forest wachsen lassen 210</p> <p>Die Ergebnisse visualisieren 212</p> <p>Projektvorschlag: Pilze identifizieren 213</p> <p><b>Kapitel 9 Unterstützen Sie Ihren lokalen Vektor 215 </b></p> <p>Ein paar Daten, mit denen Sie arbeiten können 215</p> <p>Eine Teilmenge verwenden 216</p> <p>Eine Grenze definieren 216</p> <p>Stützvektoren verstehen 217</p> <p>Trennbarkeit: Sie ist üblicherweise nicht linear 219</p> <p>Support Vector Machines in R 222</p> <p>e1071 einsetzen 222</p> <p>kernlab einsetzen 227</p> <p>Projekt: Parteien im Repräsentantenhaus 229</p> <p>Die Daten einlesen 230</p> <p>Die Daten untersuchen 230</p> <p>Die SVM erstellen 231</p> <p>Die SVM auswerten 232</p> <p>Projektvorschlag: Noch einmal Titanic 235</p> <p><b>Kapitel 10 K-Means-Clusteranalyse 237</b></p> <p>Wie es funktioniert 237</p> <p>K-Means-Clustering in R 239</p> <p>Die Daten vorbereiten und analysieren 239</p> <p>Die Ausgabe verstehen 240</p> <p>Die Cluster visualisieren 241</p> <p>Die optimale Anzahl an Clustern ermitteln 242</p> <p>Schneller Projektvorschlag: Die Sepalen hinzufügen 245</p> <p>Projekt: Glas-Cluster 247</p> <p>Die Daten 247</p> <p>Rattle starten und die Daten untersuchen 248</p> <p>Clusteranalyse vorbereiten 249</p> <p>Clusteranalyse durchführen 249</p> <p>Über Rattle hinaus 250</p> <p>Projektvorschlag: Ein paar schnelle Projekte 252</p> <p>Datenpunkte und Cluster visualisieren 252</p> <p>Die optimale Clusteranzahl .. 252</p> <p>Variablen hinzufügen 253</p> <p><b>Kapitel 11 Neuronale Netze 255</b></p> <p>Netzwerke im Nervensystem 255</p> <p>Künstliche neuronale Netze 256</p> <p>Überblick 256</p> <p>Eingabeschicht und verdeckte Schicht 257</p> <p>Ausgabeschicht 258</p> <p>Wie alles funktioniert 258</p> <p>Neuronale Netze in R 259</p> <p>Ein neuronales Netz für den Datenframe iris erstellen 259</p> <p>Das neuronale Netz als Grafik darstellen 261</p> <p>Das Netz evaluieren 262</p> <p>Schneller Projektvorschlag: Schon wieder diese Sepalen 263</p> <p>Projekt: Banknoten 263</p> <p>Die Daten 263</p> <p>Ein schneller Blick voraus 264</p> <p>Rattle vorbereiten 265</p> <p>Das Netz auswerten 267</p> <p>Über Rattle hinaus: Das Netz visualisieren 267</p> <p>Projektvorschläge: Experimente mit Rattle 269</p> <p><b>TEIL IV GROßE DATENSÄTZE 271</b></p> <p><b>Kapitel 12 Marketing erforschen 273</b></p> <p>Projekt: Einzelhandelsdaten analysieren 273</p> <p>Die Daten 274</p> <p>RFM in R 275</p> <p>RFM und maschinelles Lernen 282</p> <p>K-Means-Clustering 282</p> <p>Mit Rattle arbeiten 283</p> <p>Tiefer in die Cluster eintauchen 285</p> <p>Die Cluster und die Klassen 287</p> <p>Schneller Projektvorschlag 289</p> <p>Projektvorschlag: Ein anderer Datensatz 289</p> <p><b>Kapitel 13 Aus der Stadt, die niemals schläft 291</b></p> <p>Den Datensatz untersuchen 291</p> <p>Aufwärmen 292</p> <p>Ein schneller Blick und genaues Hinsehen 292</p> <p>Pipelining, Filtern und Gruppieren 293</p> <p>Visualisieren 295</p> <p>Mit »join« zusammenführen 296</p> <p>Schneller Projektvorschlag: Namen der Airlines 299</p> <p>Projekt: Verspätete Abflüge 299</p> <p>Eine Variable hinzufügen: Wochentag 299</p> <p>Schneller Projektvorschlag: Unterschiede zwischen Wochentagen analysieren 300</p> <p>Verspätung, Wochentag und Airport 301</p> <p>Verspätung und Flugdauer 305</p> <p>Projektvorschlag: Verspätung und Wetter 306</p> <p>TEIL V KARTEN UND BILDER 307</p> <p><b>Kapitel 14 Daten auf Karten darstellen 309</b></p> <p>Projekt: Die Airports von Wisconsin 309</p> <p>Sich um die Voraussetzungen kümmern 309</p> <p>Die geografischen Daten von Wisconsin abrufen 310</p> <p>Die geografischen Daten der Flughäfen ermitteln 311</p> <p>Die Flughäfen auf der Karte des Bundesstaates ausgeben 313</p> <p>Schneller Projektvorschlag: Andere Quelle für die geografischen Daten der Airports 314</p> <p>Projektvorschlag 1: Karte eines anderen Bundesstaates der USA 315</p> <p>Projektvorschlag 2: Karte der USA 315</p> <p>Die Hauptstädte der Bundesstaaten 317</p> <p>Die Flughäfen einzeichnen 318</p> <p><b>Kapitel 15 Spaß mit Bildern 321</b></p> <p>Ein Bild aufpolieren: Es ist magick! 321</p> <p>Die Grafik einlesen 322</p> <p>Drehen, horizontal und vertikal spiegeln 323</p> <p>Anmerkungen 324</p> <p>Transformationen kombinieren 325</p> <p>Schneller Projektvorschlag: Drei F 326</p> <p>Bilder kombinieren 326</p> <p>Animationen 327</p> <p>Ihre eigenen Morphs erstellen .. 328</p> <p>Projekt: Zwei Legenden auf der Suche nach einer Legende 329</p> <p>Stan und Ollie herunterladen 330</p> <p>Die Jungs mit dem Hintergrund kombinieren 330</p> <p>So funktioniert image_apply() 331</p> <p>Zurück zur Animation 332</p> <p>Projektvorschlag: Kombinieren Sie eine Animation und ein Diagramm 332</p> <p>TEIL VI DER TOP-TEN-TEIL 335</p> <p><b>Kapitel 16 Mehr als zehn Packages für Ihre R-Projekte 337</b></p> <p>Maschinelles Lernen 337</p> <p>Datenbanken 338</p> <p>Karten 338</p> <p>Bildbearbeitung 340</p> <p>Textanalyse 340</p> <p><b>Kapitel 17 Mehr als zehn nützliche Informationsquellen 343</b></p> <p>Mit Benutzern interagieren 343</p> <p>Maschinelles Lernen 344</p> <p>Datenbanken 344</p> <p>Karten und Bilder 345</p> <p>Stichwortverzeichnis 347</p>