Podstawowe informacje

Język R jest opracowaną w ramach projektu GNU "wolną" wersją języka S. Jest to środowisko do analizy danych obejmujące:

• język programowania (z wbudowanymi operacjami ułatwiającymi przetwarzanie tabelarycznych zbiorów danych),
• mechanizmy graficznego opisu danych,
• bogate biblioteki funkcji analitycznych, obejmujących szeroki zakres metod statystycznych i metod odkrywania wiedzy,
• interaktywny interpreter poleceń i (dla niektórych platform) graficzny interfejs użytkownika.

Język R jest dostępny w postaci kodu źródłowego oraz skompilowanych pakietów binarnych na platformy Linux, Alpha, MacOS, Windows. Więcej informacji o języku R można znaleźć na stronach CRAN (The Comprehensive R Archive Network), gdzie dostępne są pakiety źródłowe i binarne, dokumentacja, oraz obszerne zasoby bibliotek.

Pierwsze kroki

Każda osoba z doświadczeniem programistycznym może w krótkim czasie opanować umiejętność programowania w języku R. Dostępne w nim wyrażenia i struktury sterowania odpowiadają tym, które są doskonale znane z większości języków programowania ogólnego przeznaczenia, a drobne różnice składniowe nie są istotną przeszkodą. Szczególnej uwagi wymagają pewne specyficzne mechanizmy języka, w znakomity sposób ułatwiające manipulacje na danych w postaci tabelarycznej, oraz bogaty zestaw funkcji bibliotecznych.

Najlepszą metodą przyswojenia sobie podstaw języka R jest przestudiowanie i przećwiczenie jednego z dostępnych kursów, np.:

• Wprowadzenie do języka R
• An Introduction to R

Godne uwagi są także:

• Przewodnik po R.
• Wprowadzenie do drzew decyzyjnych w języku R
• Wprowadzenie do lasów losowych w języku R
• Wprowadzenie do analizy zachowań klientów w języku R

W trakcie samodzielnego korzystania z języka przydatne mogą być materiały referencyjne, np.:

• The R Language Definition
• The R Language -- A Short Companion
• R Reference Card

Rozpoczynając korzystanie z języka R szczególną uwagę należy zwrócić na następujące elementy:

1. podstawowe typy i struktury danych (liczba, napis, faktor, wektor, macierz, data frame),
2. czytanie i zapisywanie plików z danymi (funkcje read.table, write.table),
3. operatory arytmetyczne i logiczne języka oraz ich interpretacja dla danych skalarnych, wektorowych i macierzowych,
4. podstawowe manipulacje na danych (w tym indeksowanie wektorów, macierzy, data frame),
5. wywoływanie funkcji (przekazywanie parametrów, dostęp do zwracanych wyników, stosowanie funkcji do wektora argumentów -- funkcja apply itp.),
6. instalowanie dodatkowych pakietów z archiwów CRAN (np. funkcja install.packages) i dostępu do ich funkcji (funkcja library) oraz zbiorów danych (funkcja data),
7. definiowanie funkcji,
8. reguły zasięgu zmiennych.

Interesujące pakiety

Ze względu na zakres wykładu i projektu z MOW na szczególną uwagę zasługują następujące pakiety języka R:

• stats -- standardowe funkcje statystyczne i niektóre podstawowe algorytmy klasyfikacji, aproksymacji i grupowania (m.in. model liniowy, algorytm k średnich, algorytm wstępującego grupowania hierarchicznego),
• mlbench -- popularne zbiory danych do eksperymentów,
• tree, rpart -- drzewa decyzyjne,
• kknn, knncat, knnTree, knnflex, knnFinder, class -- modele pamięciowe,
• boost -- metody boosting,
• ipred -- metody bagging,
• randomForest -- lasy losowe,
• cluster, flexclust -- grupowanie,
• klaR -- kilka technik klasyfikacji (naiwny klasyfikator bayesowski, kNN, SVM),
• e1071 -- różne użyteczne funkcje, m.in. do klasyfikacji, aproksymacji i grupowania (w tym naiwny klasyfikator bayesowski, SVM, strojenie parametrów algorytmów),
• arules -- reguły asocjacyjne,
• deal -- sieci bayesowskie,
• RWeka -- wiele algorytmów modelowania (interfejs do biblioteki Weka),
• CORElearn -- wiele algorytmów modelowania,
• rminer -- wiele algorytmów modelowania,
• FSelector -- selekcja atrybutów,
• tm -- analiza tekstu,
• lsa -- analiza tekstu za pomocą metody LSA oraz funkcje pomocnicze,
• RODBC -- dostęp do baz danych przez ODBC,
• fortunes -- sentencje o języku R.

Ładowanie pakietu odbywa się za pomocą funkcji library. Listę zainstalowanych pakietów można sprawdzić wywołując tę funkcję bez argumentów. Listę wszystkich nazw (funkcji i zmiennych) udostępnianych przez załadowany pakiet można sprawdzić wywołując funkcję ls z argumentem postaci "package:nazwa_pakietu".

Interfejsy graficzne i środowiska deweloperskie

Siła i elastyczność języka R w największym stopniu ujawnia się przy korzystaniu z tradycyjnego interfejsu linii polecenia, istnieją jednak także interfejsy graficzne ułatwiające używanie dostępnych funkcji R, które mogą początkującym pomóc w oswojeniu się z tym środowiskiem (np. Rattle), oraz środowiska deweloperskie (IDE) ułatwiające tworzenie i uruchamianie kodu (np. StatET, RStudio).