R 回归 虚拟变量na_工具&方法 | R语言机器学习包大全（共45个包）

机器学习，是一门多学科交叉的人工智能领域的分析技术，它使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测。

目前，常见机器学习的研究方向主要包括决策树、随机森林、神经网络、贝叶斯学习和支持向量机等方面。本期，我们从CRAN Task Views分类整理了有关Machine Learning主题的R语言包。

图注：图片来自scikit-learn官网

决策树 Decision Trees 1)rpart和tree ，递归拆分利用树形结构模型，来做回归、分类和生存分析。其中，rpart可用于进行分类回归树分析(Classification and Regression Tree, CART)。 rpart： https://cloud.r-project.org/web/packages/rpart/index.html tree：

https://cloud.r-project.org/web/packages/tree/index.html

2)Weka和RWeka ，weka中提供了丰富的分区算法工具箱，rweka包实现了一个接口，包括包括J4.8、C4.5、M5等。 Weka： http://www.cs.waikato.ac.nz/~ml/weka/ RWeka：

https://cloud.r-project.org/web/packages/RWeka/index.html

3)Cubist ，基于距离校正规则的回归模型(类似树模型)。

https://cloud.r-project.org/web/packages/Cubist/index.html

4)C50 ，适用C5.0分类树、基于规则的模型、以及重抽样功能。

https://cloud.r-project.org/web/packages/C50/index.html

5)party和partykit ，提供两类递归拆分算法，即无偏变量选择和统计停止准则递归分类算法。函数ctree()用非参条件推断法检测自变量和因变量关系；而函数mob()用来建立参数模型。 party： https://cloud.r-project.org/web/packages/party/index.html partykit：

https://cloud.r-project.org/web/packages/partykit/index.html

6)vcrpart ，树形变系数模型。

https://cloud.r-project.org/web/packages/vcrpart/index.html

7)LogicReg ，做逻辑回归分析，针对大多数自变量是二元变量的情况。

https://cloud.r-project.org/web/packages/LogicReg/index.html

8)maptree ，提供树结构的可视化函数。

https://cloud.r-project.org/web/packages/maptree/index.html

9)REEMtree ，纵向数据随机效应树模型。

https://cloud.r-project.org/web/packages/REEMtree/index.html

10)RPMM ，混合效应模型的分类算法。

https://cloud.r-project.org/web/packages/RPMM/index.html

随机森林 Random Forests 1)randomForest和randomForestSRC ，前者提供了用经典的随机森林做回归和分类的函数，后者对回归、分类、生存分析等进行Breiman随机森林算法。 randomForest： https://cloud.r-project.org/web/packages/randomForest/index.html randomForestSRC ：

https://cloud.r-project.org/web/packages/randomForestSRC/index.html

2)ipred ，用bagging的思想做回归、分类和生存分析，组合多个模型。

https://cloud.r-project.org/web/packages/ipred/index.html

3)party ，不仅提供了递归拆分算法，还提供了基于条件推断树的随机森林法。

https://cloud.r-project.org/web/packages/party/index.html

4)quantregForest ，百分位数回归随机森林算法。

https://cloud.r-project.org/web/packages/quantregForest/index.html

5)ggRandomForests ，提供了基于ggplot2工具，用于随机森林模型的图形化探索。

https://cloud.r-project.org/web/packages/ggRandomForests/index.html

6)varSelRF和Boruta ，专注于用随机森林做变量选择。 varSelRF： https://cloud.r-project.org/web/packages/varSelRF/index.html Boruta：

https://cloud.r-project.org/web/packages/Boruta/index.html

7)ranger和Rborist ，提供接口连接到C++进行随机森林分析。 ranger： https://cloud.r-project.org/web/packages/ranger/index.html Rborist ：

https://cloud.r-project.org/web/packages/Rborist/index.html

8)RLT ，强化学习树，它的特征是变量分裂。

https://cloud.r-project.org/web/packages/RLT/index.html

9)wsrf ，实现了一种替代传统随机变量采样的变权子空间选择方法。

https://cloud.r-project.org/web/packages/wsrf/index.html

10)trtf、model4you和grf ，参数模型的随机森林，如预测转换林、广义随机林等。 trtf： https://cloud.r-project.org/web/packages/trtf/index.html model4you： https://cloud.r-project.org/web/packages/model4you/index.html grf： https://cloud.r-project.org/web/packages/grf/index.html

神经网络 Neural Networks 1)nnet ，执行单隐藏层前馈神经网络。

https://cloud.r-project.org/web/packages/nnet/index.html

2)RSNNS ，提供Stuttgart Neural Network Simulator (SNNS)接口，该模拟器由斯图加特大学开发。

https://cloud.r-project.org/web/packages/RSNNS/index.html

3)deepnet、RcppDL和h2o ，实现神经网络深度学习。其中，deepnet—前馈神经网络、限制玻尔兹曼机、深度信念网络、堆叠自动编码机，Rcppdl—去噪自动编码机、堆叠去噪自动编码机、限制玻尔兹曼机、深度信念网络和h2o—前馈神经网络、深度自动编码机。 deepnet： https://cloud.r-project.org/web/packages/deepnet/index.htm l RcppDL： https://cloud.r-project.org/web/packages/RcppDL/index.html h2o：

https://cloud.r-project.org/web/packages/h2o/index.html

贝叶斯学习 Bayesian 1)BayesTree、BART和bartMachine ，贝叶斯可加回归树。 BayesTree： https://cloud.r-project.org/web/packages/BayesTree/index.html BART： https://cloud.r-project.org/web/packages/BART/index.html bartMachine：

https://cloud.r-project.org/web/packages/bartMachine/index.html

2)tgp ，提供贝叶斯半参数非线性回归。

https://cloud.r-project.org/web/packages/bartMachine/index.html

3)MXM ，实现了基于贝叶斯网络的变量选择。

https://cloud.r-project.org/web/packages/MXM/index.html

4)BDgraph ，中实现了多元连续、离散、混合数据无向图模型的贝叶斯结构学习。

https://cloud.r-project.org/web/packages/BDgraph/index.html

5)ssgraph ，基于尖峰和板先验(spike-and-slab Priors)的贝叶斯图形估计。

https://cloud.r-project.org/web/packages/ssgraph/index.html

6)naivebayes ，贝叶斯分类器运用。

https://cloud.r-project.org/web/packages/naivebayes/index.html

支持向量机 Support Vector Machines

1)e1071，svm()函数提供R接口连接到LIBSVM库。

https://cloud.r-project.org/web/packages/e1071/index.html

2)kernlab ，基于核函数的学习方法提供了一个灵活的框架，包括SUMs、RVMs、及其他科学系算法。

https://cloud.r-project.org/web/packages/kernlab/index.html

3)klaR ，提供了R接口连接到SVMlight，实现1对多的分类。

https://cloud.r-project.org/web/packages/klaR/index.html

4)rdetools ，对核特征空间的相关维度进行估计，也可进行模型的选择和预测。

https://cloud.r-project.org/web/packages/rdetools/index.html

注：以上R语言机器学习包未囊括全部机器学习命令，更多内容请关注R语言官网信息或点击左下角阅读原文。

►往期推荐

回复【Python】👉简单有用易上手

回复【学术前沿】👉机器学习丨大数据

回复【数据资源】👉公开数据

回复【可视化】👉你心心念念的数据呈现

回复【老姚专栏】👉老姚趣谈值得一看

►一周热文

校招丨加入企研数据，未来更多奇遇！

工具&方法 | R资源网站“四件套”推荐：教程、制图、论坛和书籍

工具＆方法丨关于交互项的那些事(二)：画交互效应图原来如此简单

特别推荐丨老姚专栏：理解自然实验和DID方法——与现场实验比较的视角

数据呈现 | R制图：棒棒糖图，展示地区经济发展差异

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

作者：简华(何年华) 审阅：杨奇明 编辑：青酱

    欢迎扫描👇二维码添加关注