工具&方法 | R语言机器学习包大全（共45个包）

机器学习，是一门多学科交叉的人工智能领域的分析技术，它使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测。

目前，常见机器学习的研究方向主要包括决策树、随机森林、神经网络、贝叶斯学习和支持向量机等方面。本期，我们从CRAN Task Views分类整理了有关Machine Learning主题的R语言包。

图注：图片来自scikit-learn官网

决策树 Decision Trees

1）rpart和tree，递归拆分利用树形结构模型，来做回归、分类和生存分析。其中，rpart可用于进行分类回归树分析(Classification and Regression Tree, CART)。

rpart：

https://cloud.r-project.org/web/packages/rpart/index.html

tree：

https://cloud.r-project.org/web/packages/tree/index.html

2）Weka和RWeka，weka中提供了丰富的分区算法工具箱，rweka包实现了一个接口，包括包括J4.8、C4.5、M5等。

Weka：

http://www.cs.waikato.ac.nz/~ml/weka/

RWeka：

https://cloud.r-project.org/web/packages/RWeka/index.html

3）Cubist，基于距离校正规则的回归模型(类似树模型)。

https://cloud.r-project.org/web/packages/Cubist/index.html

4）C50，适用C5.0分类树、基于规则的模型、以及重抽样功能。

https://cloud.r-project.org/web/packages/C50/index.html

5）party和partykit，提供两类递归拆分算法，即无偏变量选择和统计停止准则递归分类算法。函数ctree（）用非参条件推断法检测自变量和因变量关系；而函数mob（）用来建立参数模型。

party：

https://cloud.r-project.org/web/packages/party/index.html

partykit：

https://cloud.r-project.org/web/packages/partykit/index.html

6）vcrpart，树形变系数模型。

https://cloud.r-project.org/web/packages/vcrpart/index.html

7）LogicReg ，做逻辑回归分析，针对大多数自变量是二元变量的情况。

https://cloud.r-project.org/web/packages/LogicReg/index.html

8）maptree，提供树结构的可视化函数。

https://cloud.r-project.org/web/packages/maptree/index.html

9）REEMtree，纵向数据随机效应树模型。

https://cloud.r-project.org/web/packages/REEMtree/index.html

10）RPMM，混合效应模型的分类算法。

https://cloud.r-project.org/web/packages/RPMM/index.html

随机森林 Random Forests

1）randomForest和randomForestSRC ，前者提供了用经典的随机森林做回归和分类的函数，后者对回归、分类、生存分析等进行Breiman随机森林算法。

randomForest：

https://cloud.r-project.org/web/packages/randomForest/index.html

randomForestSRC ：

https://cloud.r-project.org/web/packages/randomForestSRC/index.html

2）ipred，用bagging的思想做回归、分类和生存分析，组合多个模型。

https://cloud.r-project.org/web/packages/ipred/index.html

3）party，不仅提供了递归拆分算法，还提供了基于条件推断树的随机森林法。

https://cloud.r-project.org/web/packages/party/index.html

4）quantregForest，百分位数回归随机森林算法。

https://cloud.r-project.org/web/packages/quantregForest/index.html

5）ggRandomForests，提供了基于ggplot2工具，用于随机森林模型的图形化探索。

https://cloud.r-project.org/web/packages/ggRandomForests/index.html

6）varSelRF和Boruta，专注于用随机森林做变量选择。

varSelRF：

https://cloud.r-project.org/web/packages/varSelRF/index.html

Boruta：

https://cloud.r-project.org/web/packages/Boruta/index.html

7）ranger和Rborist ，提供接口连接到C++进行随机森林分析。

ranger：

https://cloud.r-project.org/web/packages/ranger/index.html

Rborist ：

https://cloud.r-project.org/web/packages/Rborist/index.html

8）RLT，强化学习树，它的特征是变量分裂。

https://cloud.r-project.org/web/packages/RLT/index.html

9）wsrf，实现了一种替代传统随机变量采样的变权子空间选择方法。

https://cloud.r-project.org/web/packages/wsrf/index.html

10）trtf、model4you和grf，参数模型的随机森林，如预测转换林、广义随机林等。

trtf：

https://cloud.r-project.org/web/packages/trtf/index.html

model4you：

https://cloud.r-project.org/web/packages/model4you/index.html

grf：

https://cloud.r-project.org/web/packages/grf/index.html

神经网络 Neural Networks

1）nnet，执行单隐藏层前馈神经网络。

https://cloud.r-project.org/web/packages/nnet/index.html

2）RSNNS，提供Stuttgart Neural Network Simulator (SNNS)接口，该模拟器由斯图加特大学开发。

https://cloud.r-project.org/web/packages/RSNNS/index.html

3）deepnet、RcppDL和h2o，实现神经网络深度学习。其中，deepnet—前馈神经网络、限制玻尔兹曼机、深度信念网络、堆叠自动编码机，Rcppdl—去噪自动编码机、堆叠去噪自动编码机、限制玻尔兹曼机、深度信念网络和h2o—前馈神经网络、深度自动编码机。

deepnet：

https://cloud.r-project.org/web/packages/deepnet/index.html

RcppDL：

https://cloud.r-project.org/web/packages/RcppDL/index.html

h2o：

https://cloud.r-project.org/web/packages/h2o/index.html

贝叶斯学习 Bayesian

1）BayesTree、BART和bartMachine，贝叶斯可加回归树。

BayesTree：

https://cloud.r-project.org/web/packages/BayesTree/index.html

BART：

https://cloud.r-project.org/web/packages/BART/index.html

bartMachine：

https://cloud.r-project.org/web/packages/bartMachine/index.html

2）tgp，提供贝叶斯半参数非线性回归。

https://cloud.r-project.org/web/packages/bartMachine/index.html

3）MXM，实现了基于贝叶斯网络的变量选择。

https://cloud.r-project.org/web/packages/MXM/index.html

4）BDgraph，中实现了多元连续、离散、混合数据无向图模型的贝叶斯结构学习。

https://cloud.r-project.org/web/packages/BDgraph/index.html

5）ssgraph，基于尖峰和板先验（spike-and-slab Priors）的贝叶斯图形估计。

https://cloud.r-project.org/web/packages/ssgraph/index.html

6）naivebayes，贝叶斯分类器运用。

https://cloud.r-project.org/web/packages/naivebayes/index.html

支持向量机 Support Vector Machines

1）e1071，svm()函数提供R接口连接到LIBSVM库。

https://cloud.r-project.org/web/packages/e1071/index.html

2）kernlab，基于核函数的学习方法提供了一个灵活的框架，包括SUMs、RVMs、及其他科学系算法。

https://cloud.r-project.org/web/packages/kernlab/index.html

3）klaR，提供了R接口连接到SVMlight，实现1对多的分类。

https://cloud.r-project.org/web/packages/klaR/index.html

4）rdetools，对核特征空间的相关维度进行估计，也可进行模型的选择和预测。

https://cloud.r-project.org/web/packages/rdetools/index.html

注：以上R语言机器学习包未囊括全部机器学习命令，更多内容请关注R语言官网信息或点击左下角阅读原文。

►往期推荐

回复【Python】👉简单有用易上手

回复【学术前沿】👉机器学习丨大数据

回复【数据资源】👉公开数据

回复【可视化】👉你心心念念的数据呈现

回复【老姚专栏】👉老姚趣谈值得一看

►一周热文

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

作者：简华（何年华）审阅：杨奇明编辑：青酱

    欢迎扫描👇二维码添加关注