数据科学的五个新R包

发布时间: 2015-08-23 阅读数: 6046

R生态体系有其非常之美,在于它的新包贡献系统,而这也可能是R使用者显著增加的根本原因。这一特点与坚如磐石的基础包版本库(CRAN)结合,给了R一个非常优越的条件。但是,任何有足够专业技术的人,通过合适的方法都可以为CRAN贡献包。

仅仅关注CRAN并无法发现其优秀的地方:事实上,对R的初学者而言,开源会让他们遇到很多麻烦。怎样通过一个有机的包系统来构造高质量的集成软件?学习这些需要花费许多时间和精力。不过即使是相对新手的人来说,发现那些支撑R语言发展的基础包并不难。那些可靠地为R语言增加价值的包已经出现在CRAN’s package dependency network。 发现一个新包最终有用是另一件重要的事情。出于探索精神,这里有5个可靠的新包,我认为数据科学家会对其感兴趣。在CRAN上,这些包都没有经过长时间的检验,因此请以合作的心态去探索他们吧。

AzureML V0.1.1

云计算对每个实践数据科学家都很重要(或者即将变得很重要)。微软的AzureML为R(和Python)程序员提供了一个非常丰富的机器学习环境。如果你还不是一个Azure的使用者,这个包花了大工夫来克服上手这一环境的困难。它提供了函数来将R代码从你的本地环境推送到Azure云端,并将函数和模型发布为web服务.图文教程会一步一步地教你,从获得试用账号和必要的证书到发布你的第一个简单的实例。

distcomp V0.25.1

对大数据集的分布式计算是非常棘手的,尤其是在不能或很难共享集群间数据的环境当中。Distcomp聪明地包执行了一个局部似然算法(详见:paper by Narasimham et al)使得在非聚合的数据集上建立一个复杂的统计模型成为可能。更多详细的信息可以参考早期博文

rotationForest V0.1

介于其在多种数据集上稳定良好的表现,森林算法对许多数据科学家来说是一个必选的组合方法。它的一个新变种,基于特征空间随机子集的主成分分析有着非常好的应用前景。paper by Rodriguez et. al解释了PCA对特征空间旋转的意义,并将旋转森林算法与标准随机森林、Adaboost算法进行了比较。

rpca V0.2.3

给定一个兼有低秩性和稀疏性的矩阵,rcpa使用稳健PCA方法来弥补这一特性。Netflix数据科学家发布了这个算法(基于paper by Candes et al)。今年早些的时候,他们公布了这一算法在异常检测问题上的惊人成功。
image

SwarmSVM V0.1

支持向量机也是一个主流的机器学习算法。SwarmSVM 基于聚类方法,提供了三个组合算法来训练支持向量机(详见paper by Gu and Han)。程序包的图文教程提供了一个实例来介绍该方法。


本文由雪晴数据网的李垠序编译自5 New R Packages for Data Scientists,转载请注明文本链接http://www.xueqing.tv/cms/article/view/id/19

分享到:
热门文章

REmap发布,用R绘制百度迁徙图

2015年07月23日更新 20990次阅读

学习R语言,一篇文章让你从懵圈到入

2016年05月09日更新 14605次阅读

清华大学教授:大数据时代 统计学依

2015年08月07日更新 11272次阅读

在R中填充缺失数据—mice包

2015年12月31日更新 10628次阅读

精通 R plot—第一部分:颜色

2016年01月20日更新 9409次阅读

非统计学专业的人该如何学习 R 语

2015年07月24日更新 8085次阅读
热门课程

R语言初级课程

2015年02月20日发布 3225名学员

R语言高效数据清理工具包dplyr

2015年08月30日发布 1677名学员

R语言数据分析入门

2016年05月10日发布 1555名学员

如何用R做数据预处理

2016年06月03日发布 1157名学员

全栈数据工程师养成攻略

2016年11月08日发布 1017名学员

R语言大规模数据分析实战

2015年12月17日发布 951名学员
登录 注册