不專業的回一下
※ 引述《SangoDragon (SANGO)》之銘言：
: 本人之前都是用 SQL + Mining tools (例如MS-SQL Analysis service , SPSS Modeler)
: 之前大部分是用 SQL 整理資料
: 之後再用 mining Tools run mining (包含調參數等等)
: 例如我們做一個羅吉斯回歸,去預測信用卡客戶是否會變呆卡
: 或用 CART 去做回應率分析
: 現在關於 R 我有一些問題:
: 1. R的mining 函數支援到那些演算法?
: 例如:分群,類神經網路,CART 等等?
分群的話有數種方法，大多數R都有，從k-means, hierarchical clustering到
一些模型假設的分群如EMClust提供Finite Mixture Gaussian Distribution的分群手法
分幾群都會有參數在控制，或是hierarchical clustering怎麼切都有參數控制。
NN，我不太熟，但是CART的話，R至少兩個套件支援，tree跟rpart，參數可調的不少，
這部分可以自己讀一下manual，也有randomForest的套件支持
: 2. R有辦法調參數嗎?
: 例如分群時分幾群,CART的切點,等等 (這部分在mining tools 都有很強的支援)
如1回答
: 3. R怎樣做Mining前的資料處理?
: SQL 強的地方在於下語法可以做很多資料預處理
: 例如:資料中只有生日要轉換成年齡,還有一些更複雜要套公式轉換的部份等等
: SQL 的資料可以存很多資料
: R 在預處理部分的強度如何?
: 總不能一直讀EXCEL的資料吧?
: 我要表達的是,在資料面SQL 資料庫有很強大的SQL語法,跟儲存面
: R 的方式?
R使用dplyr整理資料就很快了，可以看我的資料整理套件介紹系列文 (簽名檔)
: 4. 這張圖 http://i.imgur.com/iMTOAoG.jpg
: 是否過譽?
: 以MS-SQL mining 而言,建構好一個預測模型,可以利用MDX等等
: 去對這個Model 做一些處理,例如輸入資料做預測等等
: 而且也有很多圖形介面的輸出
我認為R比SAS跟SPSS好用很多，這些比較都合情合理。
: 以上幾點問題