r语言的MASS包干什么的_R语言综述的包

Multivariate Statistics

(多元统计)

基本的R包已经实现了传统多元统计的很多功能，然而CRNA的许多其它包提供了更深入的多元统计方法，下面做个简要的综述。多元统计的特殊应用在CRNA的其它任务列表(task

view)里也会提及，如：排序(ordination)会在Environmetrics(http://cran.r-project.org/web/views/Environmetrics.html)里说到；有监督的分类方法能在MachineLearning(http://cran.r-project.org/web/views/MachineLearning.html)里找到；无监督的分类在Cluster(http://cran.r-project.org/web/views/Cluster.html)里。

这里要综述的包主要分为以下几个部分：

1) 多元数据可视化(Visualising multivariate

data)：

绘图方法：

基本画图函数(如：pairs()、coplot())和lattice包里的画图函数(xyplot()、splom())可以画成对列表的二维散点图，3维密度图。car包里的scatterplot.matrix()函数提供更强大的二维散点图的画法。cwhmisc包集合里的cwhplot包的

pltSplomT()函数类似pair()画散点图矩阵，而且可以在对角位置画柱状图或密度估计图。除此之外，scatterplot3d包可画3维的散点图，aplpack包里bagplot()可画二变量的boxplot，spin3R()可画可旋转的三维点图。misc3d包有可视化密度的函数。

YaleToolkit包提供许多多元数据可视化技术，agsemisc也是这样。更特殊的多元图包括：aplpack包里的faces()可画

Chernoff’s

face；MASS包里的parcoord()可画平行坐标图(矩阵的每一行画一条线，横轴表示矩阵的每列)；graphics包里的stars()可画多元数据的星状图(矩阵的每一行用一个星状图表示)。ade4包里的mstree()和vegan包里的spantree()可画最小生成树。

calibrate包支持双变量图和散点图，chplot包可画convex

hull图。geometry包提供了和qhull库的接口，由convexhulln()可给出相应点的索引。ellipse包可画椭圆，也可以用

plotcorr()可视化相关矩阵。denpro包为多元可视化提供水平集树形结构(level set

trees)。graphics包里的mosaicplot()和vcd包里的mosaic()函数画马赛克图(mosaic

plot)。gclus包提供了针对聚类的散点图和平行坐标图。rggobi包和DescribeDisplay包是GGobi的接口，DescribeDisplay的图可达到出版质量的要求；xgobi包是XGobi和XGvis的接口，可实现动态交互的图。最后，iplots包提供强大的动态交互图，尤其是平行坐标图和马赛克图。seriation包提供seriation方法，能重新排列矩阵和系统树。

数据预处理：

AIS

包提供多元数据的初步描述函数。Hmisc包里的summarize()和summary.formula()辅助描述数据，varclus()函数可做聚类，而dataRep()和find.matches()找给定数据集的典型数据和匹配数据。KnnFinder包里的nn()函数用kd-tree找相似变量的个数。dprep包为分类提供数据预处理和可视化函数，如：检查变量冗余性、标准化。base包里的dist()和cluster包里的

daisy()函数提供距离计算函数；proxy包提供更多的距离测度，包括矩阵间的距离。simba包处理已有数据和缺失数据，包括相似性矩阵和重整形。

2) 假设检验(Hypothesis

testing)：

ICSNP包提供霍特林(Hotellings)T2检验和许多非参检验方法，包括基于marginal