R语言不为人所熟知的优秀特性

相似文件 换一批

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

R语言的核心是解释计算机语言，其允许分支和循环以及使用函数的模块化编程。

R软件是R语言的实现环境，是一套完整的数据处理、计算和制图软件系统，其功能包括数据存储和处理系统、数组运算工具、完整连贯的统计分析工具、优秀的统计制图功能、简便而强大的编程语言、可操纵数据的输入和输出、可实现分支和循环以及用户可自定义功能。

R软件提供了有弹性的、互动的环境来分析、可视及展示数据。它提供了若干统计程序包，以及一些集成的统计工具和各种数学计算、统计计算的函数，用户只需根据统计模型，指定相应的数据库及相关参数，便可灵活机动地进行数据分析等工作，甚至创造出符合需要的新的统计计算方法。

R语言的很多优秀特性并不为R语言社区以外的人所熟知:

1. R的标记语言可以制作可重复生成的Word和Powerpoint文档

R语言中的rmarkdown包可以制作可重复生成的Word文档和Powerpoint幻灯片，而这只需要改变一行YAML的代码。

2. 组建和运行一个可交互的网络应用只需要几行代码

几行R代码就可以生成一个可交互的网络应用。比方说如果使用R语言的flexdashboard包， 你只需要36行代码，就可以生成一个可交互的动态报表，来探索你的BMI指数与全国健康营养检查样本结果的关联。

3. 几行甚至一行R代码就可以支持网络应用的运行

另外一个很酷的功能是，通过rsconnect包，R语言还可以仅用一两行代码就支持网络应用的运行。这些应用既可以通过自己的服务器来支持，也可以用shinyapps.io这种云服务器。

4. 通过使用R语言的dplyr/dbplyr，几乎各种数据库都可以连接

使用dbplyr包，用R语言连接各种数据库，无论是本地的还是远程的，都非常方便。这个功能使R语言用户可以不用担心底层的数据库，而独立地从主流数据库中抽取数据。R语言的bigrquery包还可以直接利用BigQuery和其他大规模数据存储。

5. 本地或多个不同的数据存储，在R语言里可以利用相同的dblyr语法来操作

当你学会如何利用dplyr来转换数据，本地和远程的数据库、数据存储都可以利用相同的代码来操作。这个功能简化了也统一化了操作多个数据库和数据语言的过程。

6. 你可以用Keras和Tensorflow训练深度学习模型

使用keras包或TensorFlow接口，你可以利用R语言来学习预训练或者开发全新的深度学习模型。

7. R语言可以编写和支持应用程序接口(API)

Plumbr包可以把R函数直接转换成网络应用接口(API)，并能很方便的集成到下游应用中去。如果你还安装有RstuodioConnect，这些函数可以像网络应用一样轻松地被部署。

8. 你可以使用R语言来生成电子游戏的界面

不仅是网络应用，R语言甚至可以生成电子游戏的界面。nessy 包可以帮助你生成并部署NES风格的Shiny应用。

9. 你可以直接通过R语言调用Spark集群来分析数据

你想用大规模数据训练又大又复杂的机器学习模型么?R语言的sparklyr包帮助你在单机或者大型的Spark集群上直接完成这项任务。

10. 你可以在R语言中以交互的方式学习R

R语言的swirl包可以用来生成可交互的R语言学习教程。

7月22-26日“R数据挖掘与机器学习”集中短训现场班

通过案例掌握R初高级_每讲均配有案例帮助迅速掌握应用

讲师介绍：

方匡南现为厦门大学经济学院统计系教授、博士生导师、耶鲁大学博士后，厦门大学数据挖掘研究中心副主任，国际统计学会会士，两岸关系和平发展协同创新中心研究员、全国工业统计学会理事、厦门统计学会常务理事。

主要究方向为数据挖掘、机器学习、应用统计、大数据风险管理及健康医疗大数据。

曾先后发表论文70多篇，其中在 JMVA、Nature子刊 Scientific Reports、CSDA、Annals of Operation Research、Biometrical Journal等国际权威期刊发表30多篇，在《管理科学学报》、《经济研究》、《统计研究》、《数量经济技术经济研究》等国内权威期刊发表40多篇。先后主持了国家自然科学基金面上项目、青年项目、国家社科基金重大项目子课题、国家统计局重大项目等学术纵向课题10多项。

有较丰富的数据挖掘实践经验，先后承担了华为、南方电网、华星光电、建行等30多项企业和政府数据挖掘项目，项目内容涉及互联网金融的大数据征信、智能制造中的数据挖掘、舆情分析与文本挖掘、深度学习与图像处理、景气指数预测预警等。

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。

开课信息：

时间：

初级：2019年7月22-24日(三天)

高级：2019年7月24-26日(三天)

全程：2019年7月22-26日 (五天)

地点：北京市海淀区厂洼街3号丹龙大厦附近

费用：

初级：3300元/ 2800元(本科及硕士在读优惠价)

高级：3600元/ 3100元(本科及硕士在读优惠价)

全程：6000元/ 5400元(本科及硕士在读优惠价)

(食宿自理)

安排：上午9:00-12:00；下午2:00-5:00；答疑

初级班报名

高级班报名

全程班报名

培训目的和特色：

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. 以实际案例引入，深入浅出地讲解如何使用R语言进行数据挖掘和机器学习，让学员不仅掌握R语言的使用，更重要的是学会数据挖掘和机器学习的思想、原理和方法。
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。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。

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
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 线性回归	目标：数据挖掘与机器学习入门 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 4.一元线性回归 5.多元线性回归 6.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5讲（3小时） 线性分类方法	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
第6讲（3小时） 重抽样方法 互动交流讨论	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 互动交流讨论

【高级班】

专题名称	授课内容
第1讲 线性分类方法	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
第2讲（3小时） 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3讲（3小时） 决策树 组合预测	课程目标：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4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5讲（3小时） 变量选择与高维数据	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6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

往期京沪现场班:

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“初级班/高级班/全程班报名”，网上填写信息提交；
2：给予反馈，确认报名信息；
3：网上订单缴费（需要刷卡或对公转账的请报名后与我们联系）；
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

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

R之所以功能强大是因为很多机器学习的算法都是现有的。然而其中一个问题是这些算法都是由第三方提供的，这似乎让这些算法的使用看起来没有一致性。

这就意味着如果你想尝试使用不同R包中不同的算法，你必须要花一些时间分析比较出哪种方法比较合适，并且还要对每种方法逐一做出相关的预测。这会花费你很多时间，尤其是面对那些层次不齐的例子和描述。

你可以利用一个收集各种算法的工具书或文档来帮助你更好的完成工作。拥有了它以后，你可以从中找出R的机器学习算法的实例并且可以复制粘贴这些算法，通过这样解决你实际遇到的特定问题。

为了能帮助你更好的在你的工作中使用这样的工具书，你需要确信你知道这些关键的使用原则：

单一性：每段实例代码都必须是单一的，完整的以及可执行的。

单指这些代码：每种方法都必须关注于这些代码，它们在机器学习中有少量的注释。

简便性：每种方法都在最常用的实例展现出来，而它们可能是在你寻找的时候你所需要的算法。当你想要咨询这些正式的文档的时候你只需要找出相关的参数因此你可以找出最有效的算法。

便携性：这些方法都提供了一个这样的解释，它们都是可以查找或现有的，可浏览和查阅的。

一致性：这些实例代码都是一致的，同时也是伴随着相同代码结构和风格的传统。

R语言是非常受欢迎的，而且其机器语言学习功能强大，但是不足的是这种功能需要时间来操作。

同时，你会发现R语言当中，地址限制的一种方式就是制定这样的一本书，包含了一些完整且专一的算法，而且这些算法对于你来说是很容易找到且你可以按照你的方式把它们运用到实际问题中。

最后，你会在广阔的算法类型范围中看到一些R中关于机器学习算法的方法的实例，同时你在这种已经给你提供相关方案的工作中找到这样的一些向导。

R数据挖掘与机器学习开课通知-邀请函_201907.pdf (374.47 KB)

2019-5-23 09:22:39 上传

R数据挖掘与机器学习高级开课通知-邀请函_201907.pdf (361.51 KB)

2019-5-23 09:22:34 上传

R数据挖掘与机器学习初级开课通知-邀请函_201907.pdf (289.53 KB)

2019-5-23 09:22:22 上传

谢谢楼主。

互联网金融的大数据征信、智能制造中的数据挖掘、舆情分析与文本挖掘、深度学习与图像处理、景气指数预测预警等