R语言常用包分类总结

常用包：

——数据处理：lubridata ，plyr ，reshape2，stringr，formatR，mcmc；

——机器学习：nnet，rpart，tree，party，lars，boost，e1071，BayesTree，gafit，arules；

——可视化包：ggplot2，lattice，googleVis；

——地图包：ggmap，RgoogleMaps，rworldmap；

金融包：

——时间序列：zoo，xts，chorn，its，timeDate；

——金融分析：quantmod，RQuantLib，portfolio，PerformanceAnalytics，TTR，sde，YieldCurve；

——风险管理：parma，evd，evdbayes，evir，extRemes，ismev；

数据挖掘包：

——聚类：

——基于划分的方法: kmeans, pam, pamk, clara ；

——基于层次的方法: hclust, pvclust, agnes, diana

——基于模型的方法: mclust

——基于密度的方法: dbscan

——基于画图的方法: plotcluster, plot.hclust

——基于验证的方法: cluster.stats

——文本挖掘：tm

——分类：

——策树: rpart, ctree

——随机森林: cforest, randomForest

——回归, Logistic, Poisson,glm, predict, residuals

——生存分析: survfit, survdiff, coxph

——统计
        ——常用的包： Base R, nlme

——方差分析: aov, anova

——密度分析: density

——假设检验: t.test, prop.test, anova, aov

——线性混合模型：lme

——主成分分析和因子分析：princomp

——优化

——最简单的：stat包中的optimize, optim 函数

——非线性优化：BB包

——线性不等式约束的非线性优化：constrOptim，adaptive barrier 算法

——非线性box约束优化：nlminb

——带约束的非线性优化：Rsolnp包中solnp函数，alabama包中的constrOptim.nl()函数

——线性规划：lpSolve 包 中的lp函数，linprog包中的 solveLP函数

——中文分词包

——Rwordseq  中文分词包