r與python差異比較大的一個地方就是，python的機器學習演算法集中程度比較高，比如sklearn，就集成了很多的演算法，而R語言更多時候需要一個包一個包去了解，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：

基本上分佈中常見的都羅列了：

常用作圖函式包：

ggplot2：萬能，基本上excel能畫的圖它都能畫

rattle：fancyRpartPlot函式，決策樹畫圖函式

基礎包函式：barplot、pie、dotchart、hist、densityplot、boxplot、contour等等

正態檢驗：qqplot、qqline、qqnorm

連續分類迴歸模型：

stats包 lm函式，實現多元線性迴歸；glm函式，實現廣義線性迴歸；nls函式，實現非線性最小二乘迴歸；knn函式，k最近鄰演算法

rpart包 rpart函式，基於CART演算法的分類迴歸樹模型

randomForest包 randomForest函式，基於rpart演算法的整合演算法

e1071包 svm函式，支援向量機演算法

kernlab包 ksvm函式，基於核函式的支援向量機

nnet包 nnet函式，單隱藏層的神經網路演算法

neuralnet包 neuralnet函式，多隱藏層多節點的神經網路演算法

RSNNS包 mlp函式，多層感知器神經網路；rbf函式，基於徑向基函式的神經網路

離散分類迴歸模型：

stats包 glm函式，實現Logistic迴歸，選擇logit連線函式

kknn包 kknn函式，加權的k最近鄰演算法

rpart包 rpart函式，基於CART演算法的分類迴歸樹模型

adabag包bagging函式，基於rpart演算法的整合演算法；boosting函式，基於rpart演算法的整合演算法

party包ctree函式，條件分類樹演算法

RWeka包OneR函式，一維的學習規則演算法；JPip函式，多維的學習規則演算法；J48函式，基於C4.5演算法的決策樹

C50包C5.0函式，基於C5.0演算法的決策樹

e1071包naiveBayes函式，貝葉斯分類器演算法

klaR包NaiveBayes函式，貝葉斯分類器算分

MASS包lda函式，線性判別分析；qda函式，二次判別分析

聚類：Nbclust包Nbclust函式可以確定應該聚為幾類

stats包kmeans函式，k均值聚類演算法；hclust函式，層次聚類演算法

cluster包pam函式，k中心點聚類演算法

fpc包dbscan函式，密度聚類演算法；kmeansruns函式，相比於kmeans函式更加穩定，而且還可以估計聚為幾類；pamk函式，相比於pam函式，可以給出參考的聚類個數

mclust包Mclust函式，期望最大（EM）演算法

關聯規則：arules包apriori函式

Apriori關聯規則演算法 

recommenderlab協調過濾

DRM：重複關聯

ECLAT演算法： 採用等價類，RST深度搜索和集合的交集： eclat 

降維演算法：

psych包prcomp函式、factanal函式

時序分析：

ts時序構建函式

timsac包時序分析

holtwinter包時序分析

decomp、tsr、stl成分分解

zoo 時間序列資料的預處理

統計及預處理： 

常用的包 Base R, nlme 

aov, anova 方差分析

density 密度分析 

t.test, prop.test, anova, aov:假設檢驗

rootSolve非線性求根

reshape2資料預處理

plyr及dplyr資料預處理大殺器

最後剩下常用的就是讀入和寫出了：

RODBC 連線ODBC資料庫介面

jsonlite 讀寫json檔案

yaml 讀寫yaml檔案

rmakdown寫文件

knitr自動文件生成

一般業務中使用比較多的就是上面這些了，當然R裡面有很多冷門的包，也很好用滴~

如果有任何演算法、程式碼疑問都歡迎通過公眾號發訊息給我哦，已經給你們準備好資料大禮包了。