常用包：
——資料處理：lubridata ，plyr ，reshape2，stringr，formatr，mcmc；
——機器學習：nnet，rpart，tree，party，lars，boost，e1071，bayestree，gafit，arules；
——視覺化包：ggplot2，lattice，googlevis；
——地圖包：ggmap，rgooglemaps，rworldmap；
金融包：
——時間序列：zoo，xts，chorn，its，timedate；
——金融分析：quantmod，rquantlib，portfolio，performanceanalytics，ttr，sde，yieldcurve；
——風險管理：parma，evd，evdbayes，evir，extremes，ismev；
資料探勘包：
——聚類：
——基於劃分的方法: kmeans, pam, pamk, clara ；
——基於層次的方法: hclust, pvclust, agnes, diana
——基於模型的方法: mclust
——基於密度的方法: dbscan
——基於畫圖的方法: plotcluster, plot.hclust
——基於驗證的方法: cluster.stats
——文字挖掘：tm
——分類：
——策樹: rpart, ctree
——隨機森林: cforest, randomforest
——回歸, logistic, poisson,glm, predict, residuals
——生存分析: survfit, survdiff, coxph
——統計
——常用的包： base r, nlme
——方差分析: aov, anova
——密度分析: density
——假設檢驗: t.test, prop.test, anova, aov
——線性混合模型：lme
——主成分分析和因子分析：princomp
——優化
——最簡單的：stat包中的optimize, optim 函式
——非線性優化：bb包
——線性不等式約束的非線性優化：constroptim，adaptive barrier 演算法
——非線性box約束優化：nlminb
——帶約束的非線性優化：rsolnp包中solnp函式，alabama包中的constroptim.nl()函式
——線性規劃：lpsolve 包 中的lp函式，linprog包中的 solvelp函式
——中文分詞包
——rwordseq 中文分詞包
R語言常用演算法包
1 聚類常用的包 fpc，cluster，pvclust，mclust 基於劃分的方法 kmeans,pam,pamk,clara 基於層次的方法 hclust,pvclust,agnes,diana 基於模型的方法 mclust 基於密度的方法 dbscan 基於畫圖的方法 plotcluster...
R開發 常用R語言包
r與python差異比較大的乙個地方就是，python的機器學習演算法集中程度比較高，比如sklearn，就整合了很多的演算法，而r語言更多時候需要乙個包乙個包去了解，比較費時費力，對於python轉過來的朋友非常不友好，抽空整理了工作中常用的r包如下 常用檢驗函式 基本上分布中常見的都羅列了 常用...
R語言常用資料探勘包
今天發現乙個很不錯的部落格 博主致力於研究r語言在資料探勘方面的應用，正好近期很想系統的學習一下r語言和資料探勘的整個流程，看了這個部落格的內容，心裡久久不能平靜。決定從今天開始 今天發現乙個很不錯的部落格 博主致力於研究r語言在資料探勘方面的應用，正好近期很想系統的學習一下r語言和資料探勘的整個流...