常用包：

——數據處理：lubridata ，plyr ，reshape2，stringr，formatR，mcmc；

——機器學習：nnet，rpart，tree，party，lars，boost，e1071，BayesTree，gafit，arules；

——可視化包：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；

數據挖掘包：

——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

——文本挖掘：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 函數

——非線性優化：BB包

——線性不等式約束的非線性優化：constrOptim，adaptive barrier 算法

——非線性box約束優化：nlminb

——帶約束的非線性優化：Rsolnp包中solnp函數，alabama包中的constrOptim.nl()函數

——線性規劃：lpSolve 包 中的lp函數，linprog包中的 solveLP函數

——中文分詞包

——Rwordseq 中文分詞包

R語言常用包分類總結