第 1章　簡單直接的策略— 減少數(shù)據(jù)占用空間 1 1.1　保留必要的數(shù)據(jù) 1 1.1.1　保留必要的列 2 1.1.2　保留必要的行 4 1.2　設(shè)置合適的數(shù)據(jù)類型 13 1.3　本章小結(jié) 15 第 2章　簡單直接的策略— 減少數(shù)據(jù)占用空間 1 1.1　保留必要的數(shù)據(jù) 1 1.1.1　保留必要的列 2 1.1.2　保留必要的行 4 1.2　設(shè)置合適的數(shù)據(jù)類型 13 1.3　本章小結(jié) 15 第3章　基于內(nèi)存的“快工具”— data.table 16 2.1　數(shù)據(jù)讀入操作 17 2.1.1　讀入單個數(shù)據(jù) 17 2.1.2　讀入多個數(shù)據(jù) 20 2.2　數(shù)據(jù)基本行列操作 23 2.3　數(shù)據(jù)合并、分組匯總操作 32 2.4　dtplyr：data.table和dplyr的結(jié)合 39 2.5　本章小結(jié) 46 第4章　逐塊擊破—數(shù)據(jù)分塊處理 47 3.1　使用iotools庫實現(xiàn)分塊處理 47 3.2　使用readr庫實現(xiàn)分塊處理 57 3.3　本章小結(jié) 60 第4章　突破內(nèi)存限制— 利用硬盤資源 61 4.1　實現(xiàn)R與關(guān)系型數(shù)據(jù)庫管理 系統(tǒng)協(xié)作 61 4.2　使用bigmemory體系處理大型矩陣 66 4.3　使用ff體系處理大型數(shù)據(jù)框 73 4.3.1　ff體系基本數(shù)據(jù)操作 73 4.3.2　ff體系與關(guān)系型數(shù)據(jù)庫 系統(tǒng)協(xié)作 81 4.4　新一代工具disk.frame 83 4.5　本章小結(jié) 93 第5章　友好的可視化工具— trelliscope 94 5.1　實現(xiàn)交互式大型分面可視化 94 5.2　本章小結(jié) 100 第6章　讓R更快—并行編程 101 6.1　R并行編程技術(shù)概覽 101 6.2　并行計算第三方庫 103 6.2.1　snow庫 104 6.2.2　multicore庫 104 6.2.3　parallel庫 105 6.2.4　future庫 106 6.2.5　foreach庫 107 6.3　網(wǎng)絡(luò)數(shù)據(jù)爬取案例 108 6.3.1　利用foreach并行循環(huán) 進行爬取 109 6.3.2　利用tidyverse和future相結(jié)合 進行爬取 119 6.3.3　文本分詞及整潔化處理 125 6.4　本章小結(jié) 132 第7章　提升機器學(xué)習(xí)效能— R的基礎(chǔ)策略 134 7.1　使用foreach實現(xiàn)并行循環(huán) 136 7.2　使用更優(yōu)化的第三方庫 140 7.3　使用caret框架結(jié)合并行計算 145 7.4　本章小結(jié) 157 第8章　整潔流暢的框架— tidymodels 158 8.1　建立簡單工作流 159 8.2　工作流比較 166 8.3　工作流超參數(shù)調(diào)優(yōu) 169 8.4　多工作流同時調(diào)優(yōu) 176 8.5　本章小結(jié) 180 第9章　靈活強大的框架—mlr3 181 9.1　數(shù)據(jù)及模型的創(chuàng)建 182 9.2　利用future支持mlr3計算任務(wù) 190 9.3　嵌套重抽樣過程 201 9.4　以圖管理機器學(xué)習(xí)工作流 204 9.5　本章小結(jié) 213 第 10章　強強聯(lián)合—利用 reticulate庫借力Python 214 10.1　配置Python環(huán)境 215 10.2　在R中用Python代碼編程 217 10.3　以R編程方式使用Python 223 10.4　本章小結(jié) 227 第 11章　簡單高效的自動機器學(xué)習(xí) 工具—H2O 228 11.1　H2O基本使用方法 229 11.2　H2O自動機器學(xué)習(xí) 242 11.3　本章小結(jié) 247 第 12章　善其事，利其器— 其他策略和工具 248 12.1　內(nèi)存及硬盤資源管理類策略 248 12.1.1　讀取壓縮文件 248 12.1.2　以rds格式保存中間結(jié)果 250 12.1.3　垃圾回收機制 251 12.1.4　R的內(nèi)存管理工具 251 12.1.5　使用pryr庫 252 12.2　計算效能提升類策略 254 12.2.1　函數(shù)編譯 255 12.2.2　使用benchmarkme庫 256 12.3　使用R的增強發(fā)行版本 258 12.3.1　Microsoft R Open 258 12.3.2　Microsoft R Client 260 12.4　其他數(shù)據(jù)科學(xué)工具 261 12.4.1　SAS（Statistical Analysis System） 261 12.4.2　Python 262 12.5　本章小結(jié) 264