一、 教学目标

数据科学方法与 R语言实践以经典数据科学方法，通过R语言进行实践教学的一门课程。通过该课程的学习，可以极大优化理工科，人文社科类学生知识结构，重构数据科学方法思维。同时通过学习R语言在数据科学方法中的数据处理技术，为学生后续学习提供一项数据处理必备技能。

本课程在注重数据科学方法的基础上，精选国际教材、国外著名高校的案例数据，采用开源软件包的 R语言编写程序，而练习案例则尽可能结合中国实际，采用国家、地方统计局、高校数据库的数据进行数据科学建模，R语言程序编写，对实际问题进行探索性发现。

在教学中，根据非统计专业选修课的特点，课程突出数据科学在大数据时代发展趋势，强调案例演示的可视化技术，增强课程的趣味性，可阅读性。

二、 教学基本内容

第一章 数据创建与管理

[主要内容]

（ 1）数据结构：数组、向量、矩阵、数据框、因子、列表。

（ 2）数据管理：R/CSV/EXCEL/TXT数据导入与输出；网络数据抓取；数据排序与合并

数据集取子集。

[ 重点 ] 数据结构、数据输入与导出（ TXT,CSV）。

[ 难点 ] 数据集取子集（数据保留、丢弃、抽样）。

要求 学 生 ： 在 R软件上直接进行数据结构的练习；在提供的数据集网页数据上，进行数据管理。

第二章 数据基础性分析

[主要内容]

（ 1）基本描述统计：集中趋势--均值、众数、中位数、四分位数；离中趋势 — 方差、峰度、偏度、变异系数。

（ 2）简单假设检验：均值检验 — N、T检验；方差检验。

[ 重点 ] 描述统计量的理解与 R语言处理。

[ 难点 ] 简单假设检验中统计量、及结果的分析。

要求 学 生 ： 预先复习概率论或统计学原理中相关章节，理清统计量含义，对本章所讲课程有初步了解。课后在提供练习中，使用 R语言进行操作。

第三章 数据可视化探索

[主要内容]

（1）基本图形：条形图（简单的条形图、堆砌条形图和分组条形图、均值条形图、条形图的微调、棘状图）、饼图、直方图、核密度图、箱线图、小提琴、点图。

（2）中级绘图：散点图（散点图矩阵、高密度散点图、三维散点图、气泡图、相关图、马赛克图）、折线图、相关图、马赛克图。

（3）高级图形进阶： R 中的四种图形系统、 lattice 包（条件变量、面板函数、分组变量、图形参数、页面摆放）、 ggplot2 包、交互式图形（与图形交互、 playwith 、 latticist 、 iplots 包的交互图形、 rggobi ）。

[ 重点 ] 基本图形、中级图形的理解与 R语言上编程作图。

[ 难点 ] 高级图形进阶中新的工具使用，特别是 ggplot2 包在可视化中的应用

要求 学 生 ： 课前预习一些基本的统计图形，如 EXCEL中常见图形。课后使用R语言数据包进行练习， 并提交第一次可视化图形作业 。

第四章 相关性与列联表

[主要内容]

（ 1）相关--相关的类型、相关性的显著性检验、相关关系的可视化。

（ 2）列联表--生成频数表、独立性检验、相关性的度量、结果的可视化。

[ 重点 ] 相关性概念、相关统计量、列联表卡方检验统计量

[ 难点 ] 相关性、独立性的检验结果分析

要求 学 生 ： 课前复习概率的方差、协方差或统计学相关性概念；课后对提供练习题进行 R语言程序的编写，并分析结果。

第五章 回归分析与预测

[主要内容]

（ 1）一元回归、多元回归模型、简单非线性回归模型。

（ 2）多元回归模型的变量选择方法 — 逐步回归方法以及模型预测。

（ 3）回归模型以及变量选择方法的R语言程序。

[ 重点 ] 回归模型，回归模型的结果分析

[ 难点 ] 回归模型的建立，回归模型的变量选择

要求 学 生 ： 课前预习回归模型的基本概念。课后使用 R语言数据包，在国家统计局网站 http://www.stats.gov.cn/tjsj/ndsj/ 收集数据进行练习， 并提交第二次（相关与回归分析）作业 。

第六章 Cox与logistic回归

[主要内容]

（ 1） Cox 模型的背景，模型建立，相关检验。

（ 2） logistic 回归模型背景，模型建立，以及多变量 logistic 模型的变量选择。

（ 3）案例分析以及模型R语言程序。

[ 重点 ] Cox ， logistic 回归的建模以模型分析。

[ 难点 ] Cox ， logistic 模型中一些相关的检验统计量。

要求 学 生 ：课前预习 Cox 模型、 logistic 回归模型的基本概念，应用背景。课后使用 R语言数据包，在提供网页抓取数据进行练习。

第七章 主成分与因子分析

[主要内容]

（ 1）主成分分析的背景、模型、估计、及案例分析。

（ 2）因子分析的背景、模型、估计、及案例分析。

（ 3）案例分析的R语言程序包 " PCA " 、 " FactoMineR " 以及结果的可视化。

[ 重点 ] 主成分、因子分析的变量选择以及模型建立。

[ 难点 ] 因子分析的因子经济含义解读。

要求学生： 课前预习主成分分析、因子分析的基本概念，应用背景。课后使用 R语言数据包，在国家统计局网页 http://www.stats.gov.cn/tjsj/ndsj/ 收集数据建模，并使用 R语言进行编程，分析结果，撰写分析报告。

第八章 关联分析

[主要内容]

（ 1）关联规则的定义、 Apriori 算法。

（ 2）关联规则R语言软件包 "arulesViz" 、 "arules" 。

（ 3） 购物篮子 案例分析， R语言程序以及关联规则结果的可视化。

[ 重点 ] 公式理解， R语言程序。

[ 难点 ] 案例分析结果以及结果的可视化分析。

要求学生： 课前预习关联分析的概念及定义。课后使用 R语言数据包，在 "arules" 软件包里 data 目录下调用数据集，用 R 语言进行关联规则分析 ，撰写分析报告。

第九章 聚类分析

[主要内容]

（ 1）理解聚类分析方法 — —K-均值聚类、K-中心点聚类、系谱聚类、密度聚类、期望最大聚类。

（ 2）聚类分析R语言软件包 " stats " 、 " cluster " 、 " fpc " 、 " cluster " 。

（ 3） 国家婴儿出生率 案例分析， R语言程序以及聚类分析结果的可视化。

[ 重点 ] 聚类分析类型思想的理解， R语言程序。

[ 难点 ] 案例分析结果以及结果的可视化分析。

要求学生： 课前预习聚类分析的概念及定义。课后使用 R语言数据包，在国家统计局网页 http://www.stats.gov.cn/tjsj/ndsj/ 收集数据建模，并使用 R语言进行编程，分析结果，撰写分析报告。

第十章 判别分析

[主要内容]

（ 1）理解判别分析方法 — —费希尔判别、贝叶斯判别、距离判别。

（ 2）判别分析R语言软件包 " MASS " 、 " klaR " 、 " class " 、 " kknn " 。

（ 3） 鸢尾花数据 案例分析， R语言程序以及聚类分析结果的可视化。

[ 重点 ] 判别分析类型思想的理解， R语言程序。

[ 难点 ] 案例分析结果以及结果的可视化分析。

要求学生： 课前预习判别分析的概念及定义。课后使用 R语言数据包，在国家统计局网页 http://www.stats.gov.cn/tjsj/ndsj/ 收集数据建模，并使用 R语言进行编程，分析结果，撰写分析报告， 并提交第三次（关联、聚类、判别分析其中一个）作业 。

第十一章 决策树

[主要内容]

（ 1）理解决策树CART、C4.5算法。

（ 2）决策树分析R语言软件包 " rpart " 、 " rpart.plot " 、 " maptree " 、 " RWeka " 。

（ 3） 汽车测试数据 、 葡萄酒数据 案例分析， R语言程序以及决策树分析结果的可视化。

[ 重点 ] 决策树的基本思想， R语言程序。

[ 难点 ] 决策树两种算法以及结果的可视化分析。

要求学生： 课前预习决策树分析的概念及定义。课后使用 R语言数据包， 机器学习数据库 抓取网络数据 fullData<-read.csv("http://archive.ics.uci.edu/ml/machine- learning

-databases/adult/adult.data", header=F) ， 并使用 R语言进行编程，分析结果。

第十二章 随机森林

[主要内容]

（ 1）理解随机森林的建模、算法。

（ 2）随机森林分类的R语言软件包 install.packages("randomForest) 。

（ 3）机器学习 汽车 car 数据 案例分析， R语言程序以及随机森林分类结果的可视化。

[ 重点 ] 随机森林分类型思想的理解， R语言程序。

[ 难点 ] 随机森林案例分析结果以及结果的可视化分析。

要求学生： 课前预习随机森林分类的概念及定义。课后使用 R语言 party 软件包，调用数据集 readingSkills 进行 建模，并使用 R语言进行编程，分析结果。

第十三章 神经网络

[主要内容]

（ 1）理解神经网络过程的数据处理、建模、预测、预测误差调整四个步骤。

（ 2）神经网络预测的R语言软件包 install.packages(" nnet ") 。

（ 3）机器学习 汽车 car 数据 案例分析， R语言程序以及随机森林分类结果的可视化。

[ 重点 ] 随机森林分类型思想的理解， R语言程序。

[ 难点 ] 随机森林案例分析结果以及结果的可视化分析。

要求学生： 课前神经网络的概念及定义。课后安装 install.packages(" datasets ") ，其软件包中含有数据集： “education” 、 “age” 、 “parity” 、 “induced” 、 “case” 、 “spontaneous” 、 “stratum” 、 “pooled.stratum” 使用 R语言神经网络软件包 nnet 建模，并使用 R语言进行编程，分析结果，撰写分析报告， 并提交第四次（决策树、随机森林、神经网络其中一个）作业 。

三、建议教学进度

四、教学方法

1 、数据科学课程以案例设疑的方式导入课程，引出问题，再介绍所涉及的数据科学方法，最后使用 R 语言进行分析。注重案例的选择，突出趣味性、问题的普遍性。理论方面尽量简明扼要，方法方面尽量逻辑清晰。

2 、 R 语言实践方面，按照循序渐进方式进行教学，编程方面提倡从模仿到创新的学习路径。坚持课堂案例学习与课外练习相结合、国外案例与中国实际问题相结合的理念，提高学生的实践、应用、创新能力。

3 、小组团队案例分析，完成课程教学大的模块后，布置开放式练习：即给出主题，学生课下自主收集数据，进行建模，数据分析。每次练习抽取做的好的团队在课堂进行简短的 PPT 演示，其他小组进行点评与建议。

4 、通过课内、课外沟通方式，如 QQ 群、邮箱等及时发现问题、解决问题，提高答疑解惑的效率。

五、考核方式

六、成绩评定方法

笔试成绩 5 0% ，平时成绩 5 0% （课堂表现 + 案例分析报告）

七、教学参考书

1 ．《 Practical Data Science with R 》 N ina Z umel / J ohn M ount

2 ．《 R for Data Science 》 Dan Toomey

3. 《 Practical Data Science Cookbook ， R+Python 》 Tony Ojeda

4 ． 《 Machine Learning with R 》 Brett  Lantz

5 ． 《 Python 金融大数据分析 》 Yves Hilpisch

6. 《 R for everyone : advanced analytics and graphics 》 Jared P. Lander

7 . 《 ggplot2: Elegant Graphics for Data Analysis 》 Hadley Wickham

8 . 《 Python 数据分析与挖掘实战 》 张良均 ， 王路 ， 谭立云 ， 苏剑林 ， 云伟标

9 . 《数据分析： R 语言实战》黄文，王正林

10 . 《数据挖掘： R 语言实战》黄文，王正林

11. 《 R 语言实战 ―― 机器学习与数据分析 》左飞