r是由Ross Ihaka和Robert绅士在1993年开发的一种编程语言。r有一个广泛的统计和图形方法目录。它包括机器学习算法、线性回归、时间序列、统计推理等。大多数R库都是用R写的，但是对于繁重的计算任务(免版税图片、匿名seo博客、wWw。最好使用C、C和Fortran代码。
r不仅在学术界流行，而且被许多大公司使用，包括优步、谷歌、Airbnb、脸书等。用R进行数据分析需要一系列步骤：编程、转换、发现、建模和结果交换。
R是用来做什么的？
统计推断
数据分析
机器学习算法
为什么用r？
数据正在塑造企业的运营方式。毫无疑问，远离人工智能和机器会导致公司的失败。最大的问题是应该使用哪些工具/语言？
市场上有许多数据分析工具，学习一门新语言需要一些时间。下图描述了与语言提供的业务能力相比的学习曲线。这种负面关系意味着没有免费的午餐。如果你想从数据中获得最好的洞察力，那么你需要花一些时间学习合适的工具，即r。
在图的左上角，可以看到Excel和PowerBI。这两个工具很容易学习，但是它们不能提供优秀的业务功能，尤其是在建模方面。中间可以看到Python和SAS。
场景应用是专门用来运行业务统计分析的工具，但不是免费的。SAS是一款点击运行软件，然而Python是一种学习曲线单调的语言。Python是部署机器学习和人工智能的理想工具，但缺乏通信功能。因为相同的学习曲线，R是实现和数据分析之间很好的权衡。
说到数据可视化(DataViz)，你可能听说过Tableau。Tableau无疑是通过图表发现模式的好工具。另外，学习Tableau也不是很费时间。数据可视化的一个大问题是，你可能永远找不到一个模式，或者只是创建了很多无用的图表。Tableau是一个快速可视化数据或商业智能的好工具。说到统计和决策工具，R更适合。
堆栈溢出是一个很大的编程语言社区。如果您有编码问题或需要理解模型，堆栈溢出可以提供帮助。在过去的一年里，与其他语言相比，R语言的提问率有了很大的提高。这一趋势当然与数据科学蓬勃发展的时代高度相关，但也反映了R语言对数据科学的需求。
在数据科学中，有两种工具相互竞争。r和Python可能是定义数据科学的编程语言。
总之，R是探索和研究数据的好工具。r用于复杂分析，如聚类、相关和数据约简。这是最关键的部分。没有好的特征工程和模型，机器学习的部署就不会产生有意义的结果。
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/52991.html
