监督学习：线性回归或逻辑回归，

非监督学习：是K-均值聚类， 即在数据点集中找出“聚类”。 另一种常用技术叫做主成分分析（PCA） ， 用于降维，

算法的评估方法也不尽相同。 最常用的方法是将均方根误差（RMSE） 的值降到最小， 这一数值用于评价测试集的预测
结果是否准确。 RMSE评价法会在第7章进行更深入的解释。 另一种常用的评估方法是AUC， 即ROC曲线下的面积。

有大量的通用包（当前大约是7000个） ， 其中很多涉及有用的统计方法， 也有特定领域的包： 金融、 天文学、 分子生物学、 生态学等。

1. 你可以用下面给出的R脚本来找到当下可用的R包数目：
> dim(available.packages())

2. 一旦找到了满足你需求的R包， 你需要在本地配置中安装它。 例如， 这是安装lubridate包的命令：
> install.packages("lubridate")

3. 一个包只能安装一次。 安装完成后， 你需要做的是用library()把它加载到内存中。 library()函数用来加载基础R配置中未包括的函数库（函数和数据集的集合） 。
> library(lubridate)

4. 你应该去访问CRAN上该R包的页面来下载参考手册和任何可能有帮助的简介

5. 举个例子， 基础R包含有stats包， 里面有常用算法， 例
如： lm()用来拟合一个简单的线性回归模型， glm()用来拟合广义的线性模型； 如逻辑回归： hclust()用来做聚类分析， kmeans()用来做k均值聚类， prcomp()用来做基本的组成成分分析； 还有其他很多功能。
除此之外， 还有许多机器学习的附加包可以补充基础R包的功能。例如， class包中的knn()用来做k最近邻算法， tree包中的tree()用于拟合分类树或是回归树， randomForest包中的randomForest()用来实现随机树算法， e1071包中的svm()用来实现支持向量机， 还有很多其他功能。

6. 为了找到其他满足机器学习需求的R包， 你可以使用谷歌。 例如，你想寻找用来实现进化算法的包， 可以搜索“R中的进化算法”。 结果会告诉你参考DEoptim包， 这个包中含有你需要的机器学习算法。

1. 书中使用的大多数数据集都是R软件在安装时自带的

2. 你将在RStudio的Workspace标签页看到数据集的名称

data(package="plyr")

要查看某个数据集中的更多内容， 你可以使用在数据集名称前面加？ 的命令

> ? airquality

你可以使用以下命令来将某个数据集加载到内存中：
> data(iris)

1. 很多机器学习和数据分析讨论的前提是你已经有干净的数据， 可以直接把它们应用在探索性数据分析工具中， 然后选择一个合适的机器学习模型。 遗憾的是， 这种情况很少发生， 更多的时候， 你需要定位数据， 确定它使用了哪种格式， 找到一个有连接数据功能的R包， 最后， 连接数据并把它读入R数据框（data frame）

2. 数据是属于同一群体的定性或定量的变量的值； 是你感兴趣的一组对象的集合， 其中的一个变量是对一项的特征的度量。

2.1 管理你的工作目录

1. 工作目录用于储存各种组成你项目的文件，包括数据文件、 R脚本、 图表文件、 RDATA文件， 也包含你分析得出的文件（Word、 PowerPoint等格式）。 有些人使用工作目录下的“data”子文件夹来存储这些数据文件。

2. R有两条命令来管理工作目录： getwd()用于检索目前的工作目录， setwd()用于创建新的工作目录。 在打开RStudio时， 你可以在R控制台中用setwd()函数来创建工作目录，

3. 相对路径 绝对路径

4. 管理工作目录的另一个方法是使用RStudio的功能： Session -> Set Working Directory -> Choose Directory来指向你需要的目录。

1.

2.2 数据文件的种类

2.3 数据的来源

访问San Francisco Data网站（data.sfgov.org） ， 上
面包含了大量的市政数据集。 要用到的Parking Meter数据集， 包含了多方面的仪表特征。 目标是直接从网站上下载CSV文件格式的数据集。为此， 我们将使用download.file()指令。

2.5 读取CSV文件

CSV文件的格式很简单：文件中的每一行代表了一个观测值， 每一列代表一个变量（潜在的特征变量）。

2.6 读取Excel文件

2007电子表格文件中读取数据的工具：

read.xlsx()和read.xlsx2()函数。 read.xlsx2()函数通常能更快地处理大型电

子表格。

注：

还需要使用library()函数来加载xlsx包， 否则使用中会找不到

2.7 使用文件连接

从文本文件中按行读取数据是有意义的。为此， R有一个有用的函数readLines()， 可以和文件连接一同使用。