专业背景：计算机科学 研究方向与兴趣: JavaEE-Web软件开发, 生物信息学, 数据挖掘与机器学习, 智能信息系统 目前工作: 基因组, 转录组, NGS高通量数据分析, 生物数据挖掘, 植物系统发育和比较进化基因组学
2009-12-04 11:12:13| 分类： R&Bioconductor | 标签： |举报 |字号大中小 订阅
4 Apr
首先，为什么要使用R?
简单来说，R是一个用于统计计算的很成熟的免费软件。你也可以把它理解为一种计算机语言，实际上很多人都直接称呼它为“R语言”，虽然它比C++，PEAR等等不知道简单了多少倍，呵呵。
接着，为什么要用R？
如果你现在正要用统计手法对数据进行统计计算、分析甚至目前比较流行的数据挖掘，那么我向你推荐R。
原因有两点：
1，功能强大。
由于统计分析的重要性，早在197X年著名的贝尔实验室的一个开发小组就已经开始一个名为“S”的研究项目。从”S”被研究成功到导入市场成为畅销产品 ”S-Plus”，人们分析、显示和处理数据的方式和能力被彻底的改变了。并且”S-Plus”和其他的类如”C语言”等高级计算机语言之间的交互性也非 常的友好。
而号称”S-Plus”免费版的”R”，就是以”S-Plus”作为开发蓝本的，从R诞生到现在，关于R与S-Plus孰强孰弱的争论已经有了很多。普遍来讲，有些功能在S-Plus中能被更快更好的执行是毫无疑问的，而有些功能则在R中才能有更加精彩的表现。
2，免费，开源
前面我讲到R是一个免费软件，其实还不是很确切。准确来讲，R是一个开源软件。现在，开放源代码软件在科学和工程工作中的地位日益重要。R的开源性，使得 它自从90年代初被开发出来至今，它的发展就一直没有间断过，很多国家都相继出现了关于讨论开发R的综合网站。关于R的各种新的附加模块一直都是层出不 穷，大大的方便了各类研究人员和院校师生。更因为它的免费，在美国、日本有很多大学，老师都用R来帮助自己讲课，学生也用R处理各种数据来帮助自己交报 告。
另外一个角度，R其实就象是LINUX和PHP一样，在国外，大学生很多都是用LINUX系统，用PHP编程。而由于国内盗版软件满天飞的局面，不管正版 盗版大家用的都是WINDOWS，一写程序很多都是ASP,一看工具清一色的MS系列最新版。在不讨论法律的前提下，虽然盗版软件能够让人节省金钱和精 力，但实际上使用盗版软件也就等于你自己堵住了自己的另外一条出路，一条通往开源软件的路，一条更让人向往的路。
最后，介绍一下数据分析&数据挖掘
搞清楚数据的内部构造，并且从这些数据中找出自己想要的信息的方法就可以称作数据分析。而数据挖掘则是更加广义范围的，像采矿一样，从庞大的数据中找出所需要的信息，所以难度更大。两者之间很接近，都是把数据作为研究和处理的对象，把找到所需信息作为目的的研究手法。
就其本身而言，数据分析主要是基于统计学的数据处理，而数据挖掘则主要着眼于计算机数据处理。但是由于数据分析也通常需要计算机数据处理功能，数据挖掘也离不开统计学的分析方法，所以在很大程度上两者是一样的。
今后，我将利用R这个工具，主要讲一讲怎样进行数据分析和数据挖掘（往下统称数据分析）。
我们开车的时候，只要掌握驾驶技巧就行了，至于汽车的制动原理，电子构造等等，并不需要我们去了解。同理，我在介绍如何用R进行数据分析的时候，将 主要着重于讲如何让一个只拥有基础统计知识的人能够用R进行比较复杂的统计分析/计算这一点来讲，注重的是实践。而有时涉及到一些比较高深的理念问题时， 读者最好能够去看看相关的理论书籍，以增强自己的理解。
评论