R es uno de los mejores paquetes de software estadístico disponibles. R tiene muchas funciones integradas para cosas como media, mediana, desviación estándar, etc.
Le permite crear funciones rápida y fácilmente para realizar automáticamente estos análisis en conjuntos de datos, lo que lo hace perfecto para el análisis de datos en grandes conjuntos de datos.
Importar y leer conjuntos de datos es increíblemente simple con funciones integradas como read.table, read.csv, etc., y las bibliotecas descargables de CRAN ofrecen otras funciones de lectura como read.xml, read.xlsx, etc.
R puede crear fácilmente gráficos excelentes, y el paquete ggplot2 hace que las capacidades gráficas sean increíblemente intuitivas y simples.
R tiene una comunidad próspera con excelentes paquetes que se desarrollan y lanzan regularmente.
Sin embargo, R tiene una curva de aprendizaje empinada y es sintácticamente desordenado a veces, pero es una de las mejores herramientas para la ciencia de datos y el análisis de datos.
Si desea obtener una breve introducción a R, puede usar:
@Probar R
o
Introducción a R | DataCamp
Para obtener una comprensión más profunda de R, puede usar:
Página en coursera.org
o
remolino | Estudiantes
(¡o ambos!)
¡Buena suerte!
- ¿Por qué Java no se considera apropiado para ML / ciencia de datos / aprendizaje profundo?
- Si pudieras hacer análisis en la base de datos de un periódico, ¿qué preguntas harías?
- ¿Cuál es la diferencia entre análisis inferencial y descriptivo de datos?
- ¿Es SPSS una herramienta de minería de datos más apropiada que Weka?
- ¿Por qué están tan de moda los modelos de caja negra?