什么是 R

作者： Jason Brownlee 发布于 2019年8月22日分类： R 机器学习 0

R 可能是统计编程和应用机器学习最强大和最受欢迎的平台之一。

当你认真对待机器学习时，你会发现自己会接触到 R。

在这篇文章中，你将了解 R 是什么，它从何而来以及它的一些最重要的特性。

使用我的新书 Machine Learning Mastery With R **启动你的项目**，其中包括**逐步教程**和所有示例的 **R 源代码**文件。

让我们开始吧。

R 标志

什么是 R？

R 是一个用于统计编程和可视化的开源环境。

R 有很多用途，这可能一开始会让人感到困惑。

你可能希望将 R 脚本写入文件，并使用 R 解释器以批处理模式运行它们，以获得表格或图形等结果。你可能希望打开 R 解释器并输入命令以临时加载、探索和建模数据。

有一些图形环境，但 R 最简单和最常见的用法是从 R 控制台（类似于 REPL）进行。如果你刚开始使用 R，我建议在控制台上学习 R。

参加我为期14天的免费电子邮件课程，了解如何在您的项目中使用R（附带示例代码）。

点击注册，同时获得该课程的免费PDF电子书版本。

R 由 Ross Ihaka 和 Robert Gentleman 在新西兰奥克兰大学创建，作为 S 编程语言的实现。开发始于 1993 年。1995 年，一个版本以 GNU GPL 协议在 FTP 上发布。更大的核心小组和开源项目于 1997 年成立。

它最初是作者在 Lisp 中实现一个统计测试平台的实验，使用类似于 S 提供的语法。随着它的发展，它吸收了 S 的更多语法和特性，最终在功能和范围上超越了 S。

有关 R 历史的有趣且详细的处理，请查看技术报告 R: 过去与未来历史 (PDF)。

当你需要分析数据、绘制数据或为数据构建统计模型时，R 是一个有用的工具。它非常适合一次性分析原型和学术工作，但不适合构建用于可扩展或操作环境的模型。

R 有三个主要优点

**开源**：R 是免费和开源的。你现在就可以下载并免费开始使用它。你可以阅读源代码，从中学习并修改它以满足你的需求。简直太棒了。
**包**：R 之所以流行，是因为它拥有大量非常强大的算法，这些算法以称为包的第三方库的形式实现。统计领域的学者通常将其方法作为 R 包发布，这意味着你可以直接访问一些最先进的方法。
**成熟度**：R 的灵感来自于专有统计语言 S，它使用并改进了对统计计算有用的习语和隐喻，例如在矩阵、向量和数据框中工作。

有关 R 包的更多信息，请查看 CRAN（综合 R 存档网络）并按包或视图浏览。机器学习和统计学习视图列出了用于机器学习的包，这将非常有趣。

该平台有三个主要困难

**不一致性**：每个算法都使用自己的参数、命名约定和参数实现。有些尝试遵循粗略的约定（例如用于进行预测的预测函数），但即使是标准函数名称的结果的复杂性也可能有所不同。这可能会非常令人沮丧，并且需要深入阅读每个新包的文档。
**文档**：有很多文档，但通常是直接而简洁的。内置帮助很少能满足你的需求，让你不断地在网络上寻找完整的示例，从中你必须推导出你的用例。
**可伸缩性**：R 旨在用于适合一台机器内存的数据。它不适用于流数据、大数据或跨多台机器工作。

这种语言有点晦涩，但作为一名程序员，你将很容易掌握它并将示例适应你的需求。许多包利用用 C、C++、FORTRAN 和 Java 编写的数学代码，在 R 环境中提供了一个方便的接口。

商业公司现在支持 R。例如，Revolution R 是一个商业支持的 R 版本，带有适用于企业的功能扩展，例如 IDE。Oracle、IBM、Mathematica、MATLAB、SPSS、SAS 等公司提供与 R 及其平台的集成。

Revolution Analytics 博客还提供了一份长长的公司名单，公开宣布他们采用该平台。

Kaggle 数据科学竞赛平台和 KDnuggets 调查都指出 R 是成功的数据科学家最受欢迎的平台。在文章机器学习的最佳编程语言中了解更多信息。

在这篇文章中，你了解了 R 是什么、它的主要特性、它从何而来以及谁在使用它。

这是一个令人兴奋且功能强大的平台。如果你正在考虑开始将 R 用于应用机器学习，你可能希望查看这本关于 R 机器学习的 7 本书列表。

有关 R 的更多信息，请查看 R 统计计算项目主页。在那里你会找到下载链接、文档和手册、电子邮件列表等等。