r语言如何学 r语言在哪学
我们通过对下载次数进行分析，筛选出在机器学习领域中最受欢迎的前20个R包。
这些R包不仅受到了Kaggle高手们的青睐，也得到了资深用户的认可。它们的使用率和评价还取决于其他包的依赖。接下来，我们将逐一介绍这20个R包。
1. e1071提供了子类分析、短时傅里叶变换、模糊不清、支持机、最短路径计算、装袋✔和朴素贝叶斯分类器等多种功能。
1. 子类分析、短时傅里叶变换、模糊不清、支持支持机、最短路径计算、安装袋诺基亚和朴素贝叶斯分类器等。
2. rpart 提供稀疏树和回归树的功能。
2. 分层和回归树。
3. igraph 是一组网络分析工具的集合。
3. 网络分析工具集合。
4. nnet提供了前馈神经网络和显示器对数线性模型。
4. 前反馈神经网络和对数线性模型。
5. randomForest使用Breiman和Cutler开发的随机森林算法进行分类和回归。
5. 随机森林算法。
6.插入符（Classification And REgression Training 的缩写）旨在简化预测模型创建过程的函数集合。
6. 一套解决分类和回归问题的综合工具包。
7. kernlab 是基于内核的机器学习实验室。
7. 基于内核的机器学习包。
8. glmnet 提供Lasso和弹性网正则化的广义线性模型。
8. Lasso和弹性网正则化广义线性模型。
9. ROCR用于可视化评分分类器的性能。
9. 可视化评分分类器的性能。
10. gbm用于生成提升的回归模型。
10. 生成提升的回归模型。
11. party是一个用于分层分割的实验室。
11. 决策树包。
12. arules用于挖掘关联规则和间隙项目集。
12. 关联规则挖掘和间隙项目集。
13.树提供分类和回归树的功能。
13. 分类和回归树。
14. klaR用于分类和可视化。
14. 分类和可视化操作。
15. RWeka 提供 R/Weka 接口。
15. 关于R或Weka的接口。
16. ipred 提供基于装袋理论的改进模型。
16. 基于bagging理论的改进模型。
17. lars 提供最小角度回归、Lasso 和阶梯回归。
17. 最小角度回归、Lasso和梯度回归。
18. Earth提供多元总线回归样条模型。
18. 多元回归样条分析。
19. CORElearn 提供分类、回归、特征评估和顺序评估。
19. 分类、回归，特征评估。
20. mboost 提供基于Boosting 的模型算法。
20. 基于Boosting的模型算法。
以上就是机器学习领域中最受欢迎的20个R语言包的详细内容，更多请关注乐哥常识网其他相关文章！