R的包分类介绍
1. 空间数据分析包
1)分类空间数据(Classes for spatial data) 2)处理空间数据(Handling spatial data)
3)读写空间数据(Reading and writing spatial data) 4)点格局分析(Point pattern analysis) 5)地质统计学(Geostatistics)
6)疾病制图和地区数据分析(Disease mapping and areal data analysis)
7)生态学分析(Ecological analysis)
2. 机器学习包
1)神经网络(Neural Networks)
2)递归拆分(Recursive Partitioning) 3)随机森林(Random Forests)
4)Regularized and Shrinkage Methods 5)Boosting
6)支持向量机(Support Vector Machines) 7)贝叶斯方法(Bayesian Methods)
8)基于遗传算法的最优化(Optimization using Genetic Algorithms) 9)关联规则(Association Rules)
10)模型选择和确认(Model selection and validation) 11)统计学习基础(Elements of Statistical Learning)
3. 多元统计包
1) 多元数据可视化(Visualising multivariate data) 2) 假设检验(Hypothesis testing)
3) 多元分布(Multivariate distributions) 4) 线形模型(Linear models)
5) 投影方法(Projection methods)
6) 主坐标/尺度方法(Principal coordinates / scaling methods) 7) 无监督分类(Unsupervised classification)
8) 有监督分类和判别分析(Supervised classification and discriminant analysis)
9) 对应分析(Correspondence analysis) 10) 前向查找(Forward search) 11) 缺失数据(Missing data)
12) 隐变量方法(Latent variable approaches)
13) 非高斯数据建模(Modelling non-Gaussian data) 14) 矩阵处理(Matrix manipulations) 15) 其它(Miscellaneous utitlies)
1. 空间数据分析包
1)分类空间数据(Classes for spatial data) 2)处理空间数据(Handling spatial data)
3)读写空间数据(Reading and writing spatial data) 4)点格局分析(Point pattern analysis) 5)地质统计学(Geostatistics)
6)疾病制图和地区数据分析(Disease mapping and areal data analysis)
7)生态学分析(Ecological analysis)
2. 机器学习包
1)神经网络(Neural Networks)
2)递归拆分(Recursive Partitioning) 3)随机森林(Random Forests)
4)Regularized and Shrinkage Methods 5)Boosting
6)支持向量机(Support Vector Machines) 7)贝叶斯方法(Bayesian Methods)
8)基于遗传算法的最优化(Optimization using Genetic Algorithms) 9)关联规则(Association Rules)
10)模型选择和确认(Model selection and validation) 11)统计学习基础(Elements of Statistical Learning)
3. 多元统计包
1) 多元数据可视化(Visualising multivariate data) 2) 假设检验(Hypothesis testing)
3) 多元分布(Multivariate distributions) 4) 线形模型(Linear models)
5) 投影方法(Projection methods)
6) 主坐标/尺度方法(Principal coordinates / scaling methods) 7) 无监督分类(Unsupervised classification)
8) 有监督分类和判别分析(Supervised classification and discriminant analysis)
9) 对应分析(Correspondence analysis) 10) 前向查找(Forward search) 11) 缺失数据(Missing data)
12) 隐变量方法(Latent variable approaches)
13) 非高斯数据建模(Modelling non-Gaussian data) 14) 矩阵处理(Matrix manipulations) 15) 其它(Miscellaneous utitlies)