R语言常用包分类总结

26 篇文章 88 订阅


常用包:

——数据处理:lubridata ,plyr ,reshape2,stringr,formatR,mcmc;

——机器学习:nnet,rpart,tree,party,lars,boost,e1071,BayesTree,gafit,arules;

——可视化包:ggplot2,lattice,googleVis;

——地图包:ggmap,RgoogleMaps,rworldmap;


金融包:

——时间序列:zoo,xts,chorn,its,timeDate;

——金融分析:quantmod,RQuantLib,portfolio,PerformanceAnalytics,TTR,sde,YieldCurve;

——风险管理:parma,evd,evdbayes,evir,extRemes,ismev;


数据挖掘包

——聚类:

        ——基于划分的方法: kmeans, pam, pamk, clara ;

        ——基于层次的方法: hclust, pvclust, agnes, diana 

        ——基于模型的方法: mclust 

        ——基于密度的方法: dbscan 

        ——基于画图的方法: plotcluster, plot.hclust 

        ——基于验证的方法: cluster.stats

        ——文本挖掘:tm

——分类:

        ——策树: rpart, ctree 

        ——随机森林: cforest, randomForest 

        ——回归, Logistic, Poisson,glm, predict, residuals 

        ——生存分析: survfit, survdiff, coxph

——统计
        ——常用的包: Base R, nlme

        ——方差分析: aov, anova

        ——密度分析: density

        ——假设检验: t.test, prop.test, anova, aov

        ——线性混合模型:lme

        ——主成分分析和因子分析:princomp

——优化

        ——最简单的:stat包中的optimize, optim 函数

        ——非线性优化:BB包

        ——线性不等式约束的非线性优化:constrOptim,adaptive barrier 算法

        ——非线性box约束优化:nlminb

        ——带约束的非线性优化:Rsolnp包中solnp函数,alabama包中的constrOptim.nl()函数

        ——线性规划:lpSolve 包 中的lp函数,linprog包中的 solveLP函数

——中文分词包

      ——Rwordseq  中文分词包



  • 10
    点赞
  • 75
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
分类支持向量机是R语言常用的机器学习算法之一。支持向量机是一种有监督学习算法,它可以用于分类和回归问题。针对多分类问题,R语言提供了多个和函数来实现多分类支持向量机的建模和预测。 在R语言中,有多个可以用来构建多分类支持向量机模型,例如"e1071"、"kernlab"、"libsvm"等。其中,"e1071"提供了函数"svm"来构建支持向量机分类器。该函数中的参数"kernel"可以选择不同的核函数来适应不同的分类问题,例如线性核函数、多项式核函数和径向基核函数等。除了核函数的选择,还可以通过调整参数"C"来调节模型的复杂度和惩罚项。 为了进行多分类R语言中的支持向量机函数支持一对多(One-vs-Rest,OvR)和一对一(One-vs-One,OvO)两种策略。其中,一对多策略将每个类别分别与其他类别进行区分,从而得到多个二分类模型。一对一策略则将每两个类别进行组合训练,产生多个模型。在预测阶段,将测试样本输入这些模型,并通过投票或者准则判定来确定预测的类别。 另外,R语言中还有一些评估和调参技术可以用于优化多分类支持向量机模型的性能。例如交叉验证可以用来评估模型的泛化能力和确定最佳参数,还可以使用各种评估指标如准确率、召回率和F1值来评估模型的性能。 总结来说,R语言提供了丰富的工具和函数用于实现多分类支持向量机。研究人员和数据科学家可以利用这些工具进行多分类问题的建模、预测和评估,并在实际应用中获得良好的效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值