［學習筆記01］R 語言的基本概念

今天要來介紹/學習數據分析的R程式語言！

*資料採擷過程(如下圖)

*十個具影響力的資料採擷演算法：

1. C4.5
2. K-Means
3. SVM
4. Apriori
5. EM
6. PageRank
7. AdaBoost
8. KNN
9. Naive Bayes
10. CART

*選擇資料採擷工具時，要全面考慮多方面的因素，從實際情況出發，實際分析，以下通用的參考指標：

1. 功能性：採擷過程包含資料抽樣、資料描述、前置處理、資料轉換、模型建立、模型評估...等等，因此好的工具，應該能夠為每個步驟提供對應的功能集。
2. 可伸縮性
3. 操作簡單
4. 視覺化界面
5. 開放性

*目前市面上的資料採擷工具，主要分為商用和Open Sourse的兩大類，一些常用的商用資料採擷工具有以下幾種：

1. SAS Enterprise Miner
2. SPSS Clementine
3. SQL Server資料採擷功能
4. Oracle Data Mining
5. DBMiner
6. Intelligent Miner
7. QUEST
8. MineSet

*開放原始碼工具

1. R
2. Weka
3. Tanagra
4. RapidMiner
5. KNIME
6. Orange
7. jHepWork

*R語言在資料採擷中的優勢如下：

1. R具有強大數學統計分析功能。
2. 擁有5000多個的高品質、可用、來自不同領域的軟體套件，這些軟體套件涵蓋從統計計算到機器學習，從金融分析到生物資訊，從社會網路分析到自然語言處理。
3. 具有強大科學資料視覺化功能，能提供各種統計分析及圖形顯示工具。
4. 是開放原始碼軟體，且亦是免費軟體。
5. 可支援跨平台的軟體，可以在常見的作業軟體和不同的硬體上執行。
6. 擴充性很強，亦能相容、方便匯入其他很多不同的格式的工具和輸入資料。

*資料的分類，共分為定量資料(Quantitative Data)和定性資料(Qualitative Data)兩大類。

• 定量資料較常見，最容易接受的類型之一；
• 定性資料較為少用，通常分為定類別資料、定序資料、定距資料和定比資料，現況較有討論到分別為定類別和定序。

*R的執行環境：Windows、MacOS、Unix、Linux。

*唯一優點：R是open source license，代表任何人均可下載使用；R具有可以處理各種統計的工具，但已有越來越多的程式設計工程師開始加入學習R語言，使得R也可以處理非統計方面的工作，例如：數據處理、圖形處理、心理學...等等。