r语言的MASS包干什么的_R开发：常用R语言包介绍
在机器学习领域中,R与Python之间的差异较大。具体表现为,Python在机器学习算法上的集成度较高,例如像scikit-learn这样的库集成了众多算法,使用起来相对较为繁琐;相比之下,R语言通常需要单独加载每个所需的库,对于刚转到R语言的用户来说并不太友好,抽空整理了工作中常用的R包如下:
常用检验函数：
基本上分布中常见的都罗列了：
常用作图函数包：
ggplot2：万能，基本上excel能画的图它都能画
rattle：fancyRpartPlot函数，决策树画图函数
基础功能模块：包括barplot（条形图）、pie（饼图）、dotchart（分段图）、hist（直方图）、densityplot（密度分布图）、boxplot（箱线图）以及contour（等值线图）等其他相关函数
正态检验：qqplot、qqline、qqnorm
连续分类回归模型：
stats包中的lm函数用于建立线性模型拟合；通过glm函数可以执行广义线性模型拟合；nls函数则用于非线性模型拟合；knn方法基于距离邻居的数据点进行分类或预测
rpart包 rpart函数，基于CART算法的分类回归树模型
randomForest包 randomForest函数，基于rpart算法的集成算法
e1071包 svm函数，支持向量机算法
kernlab包 ksvm函数，基于核函数的支持向量机
nnet包 nnet函数，单隐藏层的神经网络算法
neuralnet包 neuralnet函数，多隐藏层多节点的神经网络算法
RSNNS软件包中的MLP算法是一种基于多层感知器的神经网络模型；RBF算法是一种基于径向基函数的神经网络模型
离散分类回归模型：
stats包 glm函数，实现Logistic回归，选择logit连接函数
kknn包 kknn函数，加权的k最近邻算法
rpart包 rpart函数，基于CART算法的分类回归树模型
adabag 包含 bagging 方法，在 rpart 算法的基础上进行集成；采用 boosting 方法，在 rpart 算法的基础上进行集成。
party包ctree函数，条件分类树算法
RWeka包中的OneR函数用于实现一维的学习规则算法；JPip包中的学习规则算法适用于多维数据集；而J48函数则基于经典的C4.5决策树模型进行分类任务
C50包C5.0函数，基于C5.0算法的决策树
e1071包naiveBayes函数，贝叶斯分类器算法
klaR包NaiveBayes函数，贝叶斯分类器算分
MASS包lda函数，线性判别分析；qda函数，二次判别分析
聚类：Nbclust包Nbclust函数可以确定应该聚为几类
stats包kmeans函数，k均值聚类算法；hclust函数，层次聚类算法
cluster包pam函数，k中心点聚类算法
fpc包中的dbscan函数是一种基于密度的聚类算法；kmeansruns函数相比kmeans函数而言更加稳定，并且能够预估分为多少类别；pamk函数相比pam函数的优势在于能够提供一个可靠的聚类方案
mclust包Mclust函数，期望最大(EM)算法
关联规则：arules包apriori函数
Apriori关联规则算法
recommenderlab协调过滤
DRM：重复关联
ECLAT算法： 采用等价类，RST深度搜索和集合的交集： eclat
降维算法：
psych包prcomp函数、factanal函数
时序分析：
ts时序构建函数
timsac包时序分析
holtwinter包时序分析
decomp、tsr、stl成分分解
zoo 时间序列数据的预处理
统计及预处理：
常用的包 Base R, nlme
aov, anova 方差分析
density 密度分析
t.test, prop.test, anova, aov:假设检验
rootSolve非线性求根
reshape2数据预处理
plyr及dplyr数据预处理大杀器
最后剩下常用的就是读入和写出了：
RODBC 连接ODBC数据库接口
jsonlite 读写json文件
yaml 读写yaml文件
rmakdown写文档
knitr自动文档生成
常见业务中应用广泛的就是这些了。此外，在R语言中存在着众多冷门的工具包，并且它们同样具有实用价值。