怎麼記住r語言這麼多包？

01-22

一會library(data.table) 一會又載入e1071的，頭大
在計算機語言上，你們有整理筆記的習慣嗎

謝邀。

一般來說，想要徹底記住一個包中的函數，都是通過頻繁使用和練習做到的。否則一般都是現查，R就算比較友好了，像python裡面函數和屬性就更多了，是不可能一次全部記住的。自己做一些筆記也是有用的，主要是降低現查的時間成本，比如我寫了一些R語言方面的文章，其實也是為了自己備查。

此外，我可以稍微講一下臨檢索的技巧，假如你想要實現某個功能，比如random forest、MLE，這時你可以做以下幾步：

1. 在google上（不翻牆用bing等）搜「random forest in R」，「MLE in R」，然後就可以看到一些函數或者包的推薦的網頁。比如說，我們搜到了一個網頁告訴我們randomForest這個包可以實現random forest演算法。

2. 為了了解更多，我們可以接著搜「randomForest cran」去看它的官方主頁和文檔，也可以再搜「R randomForest tutorial 」去查看教程等等。

3. 如果在一些函數的一些細節文檔講的不是很清楚以至於讓你很費解，或是出現了報錯，你可以直接去檢索錯誤信息，一般stackoverflow上都會有的。

如果你覺得太長不想看，那就記得 @Yan He 同學說的R裡面有caret，python裡面用sklearn

常用檢驗函數：

常用作圖函數包：

ggplot2：萬能

rattle：fancyRpartPlot函數，決策樹畫圖函數

連續分類回歸模型：

stats包 lm函數，實現多元線性回歸；glm函數，實現廣義線性回歸；nls函數，實現非線性最小二乘回歸；knn函數，k最近鄰演算法

rpart包 rpart函數，基於CART演算法的分類回歸樹模型

randomForest包 randomForest函數，基於rpart演算法的集成演算法

e1071包 svm函數，支持向量機演算法

kernlab包 ksvm函數，基於核函數的支持向量機

nnet包 nnet函數，單隱藏層的神經網路演算法

neuralnet包 neuralnet函數，多隱藏層多節點的神經網路演算法

RSNNS包 mlp函數，多層感知器神經網路；rbf函數，基於徑向基函數的神經網路

離散分類回歸模型：

stats包 glm函數，實現Logistic回歸，選擇logit連接函數

kknn包 kknn函數，加權的k最近鄰演算法

rpart包 rpart函數，基於CART演算法的分類回歸樹模型

adabag包bagging函數，基於rpart演算法的集成演算法；boosting函數，基於rpart演算法的集成演算法

party包ctree函數，條件分類樹演算法

RWeka包OneR函數，一維的學習規則演算法；JPip函數，多維的學習規則演算法；J48函數，基於C4.5演算法的決策樹

C50包C5.0函數，基於C5.0演算法的決策樹

e1071包naiveBayes函數，貝葉斯分類器演算法

klaR包NaiveBayes函數，貝葉斯分類器算分

MASS包lda函數，線性判別分析；qda函數，二次判別分析

聚類：Nbclust包Nbclust函數可以確定應該聚為幾類

stats包kmeans函數，k均值聚類演算法；hclust函數，層次聚類演算法

cluster包pam函數，k中心點聚類演算法

fpc包dbscan函數，密度聚類演算法；kmeansruns函數，相比於kmeans函數更加穩定，而且還可以估計聚為幾類；pamk函數，相比於pam函數，可以給出參考的聚類個數

mclust包Mclust函數，期望最大（EM）演算法

關聯規則：arules包apriori函數

Apriori關聯規則演算法

recommenderlab協調過濾

降維演算法：

psych包prcomp函數、factanal函數

上面只是簡單羅列了一些，更多：R開發：常用R語言包介紹

謝邀#^_^#，兩個網站，一個是Awesome R，把大量R常用包做了歸類; 另一個叫R Documentation，可以根據函數或關鍵詞查找哪些可用的R包。

ps: R現在有上萬個包，各種package編寫的風格不一，各種函數命名也千奇百怪，對於包的管理是一個大問題，如果能解決好會給R user帶來極大便利，貌似Rstudio公司也在考慮解決這個問題:)

最常用的幾個包用多了自然會記住，我想大多數人的問題是：如何去搜索自己需要的包？

比如當你想做貝葉斯統計方面的研究時，如果你能找到所有關於bayes的包和它們的幫助文檔（包括函數說明，例子等等），那豈不是美哉？

其實有些回答已經提供了一些包的整理網站，但是我相信最完整的答案還是R的官網（The R Project for Statistical Computing）。沒錯，在R的官網上已經有根據各個話題統計出來的R包列表，這說明經常逛官網是會有驚喜的...

隨便進入一個下載頁面，點最下方package

在此頁面上點CRAN Task View

可以看到目前有35個大類，像貝葉斯，聚類，計量，金融等方面的，隨便點個Bayesian看看

裡面再次對package分小類，並且按不同功能來區分，比如是一般模型擬和還是其他。每個包後都跟有一個簡短的說明，讓你明白它具體是幹嘛的。

如果點擊某個具體的package，可以看到這個包的發布信息。最重要的是，在最下面的Reference manual 還能下載這個包的幫助文檔

而幫助文檔可以說是非常詳細了

R的世界雖大，可已經任你遨遊了：）

1.推薦一個網站R Packages，可以用關鍵字查包，還有每個包的函數。

有時候，可能需要搜索網站和這個網站結合來用。

2. 就是用Rstudio，直接可以看有哪些包，有解釋有說明。

謝邀。

R語言經過這麼多年的發展，包已經多的浩如煙海了，也不可能記住每個包能幹啥。我沒有記筆記的習慣，因為常用的包其實也就那麼幾個。要用到什麼新功能時，最好的助手就是谷歌了。舉個大家喜歡的支持向量機（support vector machine）的例子：

基本上看到cran開頭的網站，就知道這是個R的包了（e1071）。如果是一些別的網站，也基本上都是在教你怎麼在R里做svm的。

我一個寫py不曉得有沒有資格回答這個問題，寫py時庫太多我也記不住，一般都是一邊看文檔一邊寫，用的多了就熟練了

多閱讀一些像R Blogger這樣的網站，提升自己的知識面。同時都做總結，R里很多包都是針對特定的場景下，記住常用的那些包Awesome-R總結的很全面。主要是以下方面

1. 數據處理

2.可視化

3.模型

4.工具

碰到不會google

碰到報錯stack overflow

好了你已經入門了

這麼多包我也記不住，所以只記一些常用的，其他大多數都是記錄在一個文本文檔裡面，包的名字，大致的函數用法什麼的，要用的時候隨時查閱，或者直接複製粘貼。

當然，要做好備份。

一般常用的R包不超過20個，如果是用R吃數據挖掘這碗飯的，業務天天做不出一個月就記下來了。其他的有bing的英文版和stack overflow就夠了；平時多看看技術分享和r blogger，journal of statistical software, github R的排行榜這類的，增廣見聞，提升界定／描述問題的能力。相信我，大部分找不到答案的原因都是沒問對問題。