R语言--统计软件的优化选择

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

这么多统计软件，你用的是哪一个？？？

SAS：这是功能非常齐全的软件；
美国ZF政策倾斜(“权威性”)
许多美国公司使用。
价格不菲,每年交费.即使赠送,条件苛刻
SAS公司傲慢无礼
尽管现在已经尽量“傻瓜化”，仍然需要一定的训练才可以进入。
对于基本统计课程则不那么方便。


R软件：免费的,志愿者管理的软件。
其编程语言与S-plus所基于的S语言一样，
编程方便，语言灵活，图形功能强大
有不断加入的各个方向统计学家编写的统计软件包。也可以自己加入自己算法的软件包.
从网上可以不断更新和增加有关的软件包、数据和程序。可以使用其他软件编制的程序。
可以通过网上服务把程序变成机器语言
这是发展最快的软件，受到世界上统计师生的欢迎。是用户量增加最快的统计软件。
对于一般非统计工作者来说，主要问题是它没有“傻瓜化”。(后面对R语言还要专门介绍)


Minitab：这个软件是很方便的功能强大而又齐全的软件，也已经“傻瓜化”，在我国用的不如SPSS与SAS那么普遍。
Statistica：也是功能强大而齐全的“傻瓜化”的软件，在我国用的也不如SAS与SPSS那么普遍。
Eviews：这是一个主要处理回归和时间序列的软件。
Systat: 已经被SPSS购买而消失
GAUSS：这是一个很好用的统计软件，许多搞经济的喜欢它。主要也是编程功能强大。目前在我国使用的人不多。


MATLAB：这也是应用于各个领域的以编程为主的软件，在工程上应用广泛。编程类似于S和R。但是统计方法不多。
FORTRAN：这是应用于各个领域的历史很长的非常的编程软件，功能强大，有大量数学软件包及一定的统计软件包。计算速度比前面介绍的都快得多。但需要编程和编译。操作不那么容易。
C/C++: 是许多软件,诸如SAS的基础;但没有软件包,编程不方便.


现代统计学家都自己编程,比如…
Brockwell & Davis (时间序列)
Bruce & Gao (小波分析)
Bickel, et al. (非线性回归)
Hastie (广义可加模型)
Silverman (非参数密度估计)
McCullagh & Nelder (广义线性模型)
Hardell 、 Marron、范剑青(非参数回归)
Diggle , et al. (纵向数据)
……………………………………….


使用什么软件编程呢？
SAS、SPSS、Minitab等也有程序，但很难学，不好记，也没有任何普遍性和规律性。
而S (S-plus,R)、Matlab、Gauss、Fortran、C (C++)、Pascal、Basic等语言有很多共性。容易举一反三。
有些具有统计软件包，对统计学家则很方便。特别是S-plus软件、R软件和Gauss软件。

使用编程软件容易吗？
以R软件为例.
非常好学，极易入门
基本功能简单，和写公式一样
能在一个小时学会基本运算语句
在一天内学会编写函数(子程序)和利用软件包.
往往困难的反而是统计内容本身

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享1 收藏19 回帖

关键词：统计软件 R语言 statistica Brockwell McCullagh 软件 美国ZF 志愿者 统计学

R-语言/软件
R免费
R 资源公开(不是黑盒子,也不是吝啬鬼)

R可以在UNIX, Windows和Macintosh运行.

R 有的内在帮助系统.

R有的画图功能

学生能够轻松地转到商业支持的 S-Plus程序(如果需要使用商业软件)

R语言有一个强大的,容易学习的语法,有许多内在的统计函数.

通过用户自编程序, R语言很容易延伸和扩大. 它就是这样成长的.

R 是计算机编程语言. 类似于UNIX语言,C语言,Pascal,Gauss语言等.

对于熟练的编程者, 它将觉得该语言比其他语言更熟悉.

而对计算机初学者, 学习R语言使得学习下一步的其他编程不那么困难.

那些傻瓜软件(SAS,SPSS等)语言的语法则完全不同.

大数据时代数据分析的必备技能

——R数据挖掘与机器学习

时间：2017年7月22-24日 (三天)初级；7月26-28日 (三天)高级

地点：北京市海淀区首都体育学院

费用：

初级：3300元 / 2800元 (仅限全日制本科生及硕士研究生优惠价)

高级：3600元 / 3100元 (仅限全日制本科生和硕士研究生优惠价)

全程：6600元 / 5600元 (仅限全日制本科生和硕士研究生优惠价)

(食宿自理)

安排：上午9:00-12:00；下午2:00-5:00；答疑

我要报名

讲师介绍：
       方匡南老师，统计学教授，博士生导师，耶鲁大学博士后。主要研究：数据挖掘、应用统计。       2007年出版了国内本R语言中文教程《R语言统计分析软件简明教程》，并于2015年2月出版了《R数据分析：方法与案例详解》，该书在同类书籍中销售名列前茅，并被引入到台湾地区出版。有10多年的R语言使用经验和丰富的数据挖掘和机器学习实战经验。曾先后在在 Journal of Multivariate Analysis、Scientific Reports（Nature子刊）、Computational Statistics and Data Analysis等国内外权威期刊发表论文70多篇。先后主持了国家自然科学基金、国家社科基金等多个项目。承担了多个企业数据挖掘项目，有丰富的实战经验。
       长期讲授《数据挖掘》、《机器学习》等课程，讲课生动活泼、深入浅出、以实际案例引出统计方法，再通过编程讲解实际操作和结果分析。

课程配套资料：
（1）提供一份精心准备的非常全面的R软件入门和数据挖掘与机器学习讲义。
（2）提供课程源代码1份和相应数据若干份。
Special大礼包：赠送方老师主讲的R初级和高级视频，价值1000元！

R简介：
        R语言由新西兰奥克兰大学ross ihaka和robert gentleman 开发。R语言是自由软件，可以放心大胆地使用，且具有非常强大的统计分析和作图功能，而且更重要的是R软件具有非常丰富的网上资源，目前R软件有3000多种贡献包，几乎可以实现所有的统计方法，目前大部分的统计学家和计量经济学家都使用R语言，而且越来越多的数据分析实务人员也开始使用R语言。R语言具有简单易学，功能强大，体积小（仅40m左右），完全免费，可自由开发等特点，且R语言和S语言语法基本相同，绝大部分程序是互相兼容的。学习R软件正成为一种趋势。
       R软件最优美的地方是它能够修改很多前人编写的包的代码做各种你所需的事情，实际你是站在巨人的肩膀上。——Google首席经济学家Hal Varian

学员对象：

金融、医疗、通讯、咨询、电子商务等领域的数据分析人员、数据挖掘工程师、数据科学家；

高校硕士生、博士生、青年教师等。

培训目的和特色：
【初级班】

（1）让学员快速入门并熟练掌握R语言，掌握如何利用R丰富的网上资料和帮助系统，学会基本的编程方法。

（2）结合统计分析的思想和实际案例，深入浅出地讲解如何使用R语言进行实际数据的统计分析，让学员不仅掌握R语言的使用，更重要的是学会统计分析的思想。

（3）学完本课程后，使学员基本上可以使用R语言进行实际的统计分析工作。尤其学会使用R语言对批量处理的实务数据分析，大大提高工作效率。

【高级班】

（1）让学员快速入门并熟练掌握R语言，掌握如何利用R丰富的网上资料和帮助系统，学会高级的编程方法。

（2）本结合数据挖掘的思想和实际案例，深入浅出地讲解如何使用R语言进行实际数据挖掘。

（3）学完本课程后，使学员基本上可以使用R语言进行实际的数据挖掘工作，可以直接应聘各大公司的数据挖掘岗位。

培训内容目录:
【初级班】

专题名称	授课内容
第1讲 （3小时） R语言入门	目标：掌握R语言的基本用法 1.R语言介绍 2.编辑软件Rstudio使用 3.R程序包的载入与使用 4.数据对象及运算（向量、矩阵、数组、列表与数据框处理）
第2讲（3小时） 数据读写 R基本编程	目标：掌握用R编写函数和数据的读写 1. R数据读入与读出 （读入txt、xls、SPSS、SAS、stata以及数据库文件） 2.R 函数编写 3.R的条件与循环函数 4.高效编程技巧介绍 5.利用R做迭代优化求解
第3讲（3小时） 数据预处理 探索性分析	目标：掌握数据预处理与探索性分析 1. 数据预处理 2. 缺失值处理 3. 随机数生成 4. 常用统计方法的蒙特卡洛模拟 5. 随机抽样 6.单变量数据分析与作图 7.双变量数据分析与作图 8.多变量数据分析与作图 案例1：统计作图在调查数据中的应用 案例2：统计作图在临床医学中的应用
第4讲（3小时） 数据挖掘与机器学习入门 KNN方法	目标：数据挖掘与机器学习入门介绍 1.何为数据挖掘与机器学习 2.数据挖掘与机器学习的主要研究内容 3.有监督学习与无监督学习区别 4.KNN方法 案例1：统计作图在调查数据中的应用
第5讲（3小时） 线性回归	目标：掌握线性回归方法与实际的建模分析 1. 一元线性回归 2.多元线性回归 3. 逐步回归 案例1：广告营销计划案例 案例2：信用卡债务预测案例 案例3：房价预测案例
第6讲（3小时） 线性分类方法 互动交流讨论	目标：掌握经典线性分类方法及其应用 1.Logistic模型 2.LDA判别分类 3.QDA判别分类 案例1：信用卡违约预测案例 案例2：股价涨跌方向预测案例 互动交流讨论

【高级班】

专题名称	授课内容
第1讲 重抽样方法	目标：掌握经典重抽样方法 1.验证集方法 2.交叉验证 3.Bootstrap方法 案例1：量化投资资产配置案例 案例2：汽车每加仑汽油里程数预测案例
第2讲（3小时） 决策树 组合预测	目标：掌握决策树和组合预测方法及其实际应用。 1.CART决策树 2.Bagging, 3.随机森林 4.Boosting算法 案例1：棒球运动员薪水预测案例 案例2：心脏病预测案例 案例3：信用卡违约预测案例
第3讲（3小时） 支持向量机	课程目标：掌握支持向量机分类方法 1.间隔分类器 2.支持向量分类器 3.支持向量机 案例1：基因表达数据案例 案例2：股票涨跌方向预测
第4讲（3小时） 变量选择与高维数据	课程目标：掌握数据挖掘中高维数据分析方法及其实际应用。 1.LASSO 2.SCAD 3.MCP 4.Group  LASSO 案例1：基因筛选 案例2：股票选股
第5讲（3小时） 无监督学习 主成分分析 主成分回归 聚类分析	目标：掌握无监督学习方法及其应用。 1.主成分分析 2.主成分回归 3.Kmeans聚类分析 4.系统聚类分析 案例1：广告支出主成分分析 案例2：犯罪率主成分分析 案例3：学生考试成绩主成分分析 案例4：客户细分聚类案例
第6讲（3小时） 关联规则 互动交流讨论	目标：掌握大数据分析中常用的关联规则方法及其应用。 1.关联规则方法 2.Aprior算法 案例1：超市购物篮分析 案例2：杂货店商品推荐分析

优惠：

现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；

以上优惠不叠加。

报名流程：
1：点击“我要报名”，网上填写信息提交，注明报全程还是阶段
2：给予反馈，确认报名信息
3：网上缴费
4：开课前一周发送课程电子版讲义，软件准备及交通住宿指南

联系方式：
魏老师
QQ：1143703950
Mail：vip@pinggu.org
Tel： 010-68478566

支持

顶，支持下

R很强大

R看来是以后的趋势啊

谢谢，培训免费吗？

好贴，要顶

我要学习R