本课程《R语言数据分析与挖掘》系统性地教授使用R语言进行数据处理、统计分析与数据挖掘的核心技能。课程从R语言基础与环境配置入手，逐步涵盖数据读取、清洗、可视化等关键技术，并深入讲解统计学原理，包括概率分布、参数估计、假设检验及方差分析。最后，课程重点介绍回归分析、分类与聚类等经典机器学习算法，帮助学员掌握从数据预处理到模型构建的完整数据分析流程，培养解决实际问题的能力。

视频课程目录：
第一章 R语言基础
第二章 数据分析基础
第三章 数据可视化
第四章 数据处理技术
第五章 概率与概率分布
第六章 统计量及其抽样分布
第七章 参数估计
第八章 假设检验
第九章 列联表分析
第十章 方差分析
第十一章 一元线性回归
第十二章 多元线性回归
第十三章 Logistic回归
第十四章 分类算法
第十五章 聚类算法和关联规则




课程详细目录：
├─{01}--第一章《R语言基础》
│ ├─{01}--1.1R安装及运行环境
│ │ [1.1.1]--教学视频.mp4
│ │
│ ├─{02}--1.2数据类型及对象
│ │ [1.2.1]--教学视频（上）.mp4
│ │ [1.2.2]--教学视频（下）.mp4
│ │
│ └─{03}--1.3数据读取和数据处理
│ [1.3.1]--教学视频.mp4
│
├─{02}--第二章《数据分析基础》
│ ├─{01}--2.1数据来源及类型
│ │ [2.1.1]--教学视频.mp4
│ │
│ └─{02}--2.2数据基础统计量
│ [2.2.1]--教学视频（上）.mp4
│ [2.2.2]--教学视频（下）.mp4
│
├─{03}--第三章《数据可视化》
│ ├─{01}--3.1基于表格的数据可视化
│ │ [3.1.1]--教学视频.mp4
│ │
│ └─{02}--3.2基于图形的数据可视化
│ [3.2.1]--教学视频.mp4
│
├─{04}--第四章《数据处理技术》
│ ├─{01}--4.1数据转换
│ │ [4.1.1]--教学视频.mp4
│ │
│ └─{02}--4.2数据合并
│ [4.2.1]--教学视频.mp4
│
├─{05}--第五章《概率与概率分布》
│ ├─{01}--5.1随机事件及其概率
│ │ [5.1.1]--教学视频.mp4
│ │
│ ├─{02}--5.2随机变量
│ │ [5.2.1]--教学视频.mp4
│ │
│ └─{03}--5.3由正态分布诱导的几个重要分布
│ [5.3.1]--教学视频.mp4
│
├─{06}--第六章《统计量及其抽样分布》
│ ├─{01}--6.1统计学中的基本概率
│ │ [6.1.1]--教学视频.mp4
│ │
│ └─{02}--6.2抽样分布
│ [6.2.1]--教学视频.mp4
│
├─{07}--第七章《参数估计》
│ ├─{01}--7.1参数估计的原理
│ │ [7.1.1]--教学视频.mp4
│ │
│ ├─{02}--7.2总体均值的区间估计
│ │ [7.2.1]--教学视频（上）.mp4
│ │ [7.2.2]--教学视频（下）.mp4
│ │
│ └─{03}--7.3总体比例的区间估计与7.4总体方差的区间估计
│ [7.3.1]--教学视频.mp4
│
├─{08}--第八章《假设检验》
│ ├─{01}--8.1假设检验的基本原理
│ │ [8.1.1]--教学视频.mp4
│ │
│ ├─{02}--8.2总体均值的检验
│ │ [8.2.1]--教学视频.mp4
│ │
│ ├─{03}--8.3总体比例的检验
│ │ [8.3.1]--教学视频.mp4
│ │
│ ├─{04}--8.4总体方差的检验
│ │ [8.4.1]--教学视频.mp4
│ │
│ └─{05}--8.5非参数检验
│ [8.5.1]--教学视频.mp4
│
├─{09}--第九章《列联表分析》
│ ├─{01}--9.1一个类别变量的拟合优度检验
│ │ [9.1.1]--一个类别变量的拟合优度检验.mp4
│ │
│ └─{02}--9.2两个类别变量的独立性检验与相关性度量
│ [9.2.1]--9.2两个类别变量的独立性检验与相关性度量.mp4
│
├─{10}--第十章《方差分析》
│ ├─{01}--10.1方差分析的原理
│ │ [10.1.1]--10.1方差分析的原理.mp4
│ │
│ ├─{02}--10.2单因子方差分析
│ │ [10.2.1]--10.2单因子方差分析.mp4
│ │
│ ├─{03}--10.3双因子方差分析
│ │ [10.3.1]--10.3双因子方差分析.mp4
│ │ [10.3.2]--10.3双因子方差分析(下）.mp4
│ │
│ ├─{04}--10.4方差分析的假定及其检验
│ │ [10.4.1]--10.4方差分析的假定及其检验.mp4
│ │
│ └─{05}--10.5单因子方差分析的非参数方法
│ [10.5.1]--10.5单因子方差分析的非参数方法.mp4
│
├─{11}--第十一章《一元线性回归》
│ ├─{01}--11.1变量间关系的度量
│ │ [11.1.1]--教学视频.mp4
│ │
│ ├─{02}--11.2模型估计和检验
│ │ [11.2.1]--教学视频.mp4
│ │
│ ├─{03}--11.3利用回归方程进行预测
│ │ [11.3.1]--教学视频.mp4
│ │
│ └─{04}--11.4回归分析过程示例
│ [11.4.1]--教学视频.mp4
│
├─{12}--第十二章《多元线性回归》
│ ├─{01}--12.1多元线性回归模型概述
│ │ [12.1.1]--教学视频.mp4
│ │
│ ├─{02}--12.2拟合优度和显著性检验
│ │ [12.2.1]--教学视频.mp4
│ │
│ ├─{03}--12.3多重共线性
│ │ [12.3.1]--教学视频.mp4
│ │
│ ├─{04}--12.4相对重要性和模型比较
│ │ [12.4.1]--教学视频.mp4
│ │
│ └─{05}--12.5虚拟变量回归
│ [12.5.1]--教学视频.mp4
│
├─{13}--第十三章《Logistic回归》
│ ├─{01}--13.1Logistic回归的基本原理
│ │ [13.1.1]--教学视频.mp4
│ │
│ └─{02}--13.2Logistic回归实例分析
│ [13.2.1]--教学视频.mp4
│
├─{14}--第十四章《分类算法》
│ ├─{01}--14.1分类的基本概念
│ │ [14.1.1]--教学视频.mp4
│ │
│ ├─{02}--14.2决策树算法
│ │ [14.2.1]--教学视频.mp4
│ │
│ ├─{03}--14.3KNN算法
│ │ [14.3.1]--教学视频.mp4
│ │
│ ├─{04}--14.4朴素贝叶斯算法
│ │ [14.4.1]--教学视频.mp4
│ │
│ └─{05}--14.5人工神经网络
│ [14.5.1]--教学视频.mp4
│
└─{15}--第十五章《聚类算法和关联规则》
├─{01}--15.1聚类的基本概念
│ [15.1.1]--教学视频.mp4
│
├─{02}--15.2K-means聚类算法
│ [15.2.1]--教学视频.mp4
│
├─{03}--15.3层次聚类算法与其他
│ [15.3.1]--教学视频.mp4
│
└─{04}--15.4Aprior关联规则
[15.4.1]--教学视频.mp4