您將數據加載到內存中，然后運行腳本來研究和處理數據。如何學會使用R語言進行數據挖掘數據挖掘的理論基礎與R無關，使用R時，數據都在內存中，只有當數據被調出時才能看到，Pnorm)可能沒有shapiro.test那么強大，但是這么大的數據量應該也差不多。

excel幾乎足以分析分析深度，聚焦傳統(tǒng)行業(yè)(或行業(yè))。做幾個維度的分析，然后結合實際情況做個報告。如果圖表足夠豐富，可以分析變量的內在關系(傳統(tǒng)行業(yè)中的關系非常簡單，沒有必要)，就是專業(yè)的分析工具。這兩種工具的使用方式非常不同。使用Excel時，可以通過鼠標點擊完成大部分工作，在界面的不同位置可以訪問各種工具。所以Excel用起來非常方便(熟能生巧)，但是用Excel處理數據非常耗時，而且如果接手一個新項目，必須單調重復這些過程。

您將數據加載到內存中，然后運行腳本來研究和處理數據。這個工具可能不夠人性化，但是有以下幾個優(yōu)點。我覺得，概念上，R用起來更方便。如果您正在處理多列數據，盡管您只是在處理單個任務，但您將看到所有數據。使用R時，數據都在內存中，只有當數據被調出時才能看到。如果您正在進行轉換或計算，您將處理相關列或行的子集，所有其他數據都在后臺。我認為專注于手頭的任務更容易。

數據挖掘的理論基礎和r關系不大，如果你懂方法的話，其實用什么語言并不重要。不過R有幾個包可以提高效率，彌補R自身的不足。做大數據很有用。我就說說我每天用的。大內存:R的內存管理太差，因為很少給程序員管理權限，以至于懶惰的操作系統(tǒng)和R都很懶，往往導致讀取大數據時內存瞬間用完，導致這個Rsession強制退出。

Rmpi，snow，多核:并行操作/多距離操作。Rmpi最好多讀，這是mpi在R中的實現..這是平行操作的黃金標準。如果要對大數據建模，高能計算是必須的。rcpp:r和c之間的接口。c和。f也很有用。R畢竟是高級語言，太慢了，基本方程要用低級語言寫。如果做一個統(tǒng)計模型，會有很多推論。這個時候，你必須用低級語言寫出對數似然的方程。

R是GNU開源工具，S語言血統(tǒng)，擅長統(tǒng)計計算和統(tǒng)計繪圖。R語言愛好者可以借助強大的工具RHadoop在大數據領域大展拳腳，這對R語言程序員來說無疑是個好消息。RHadoop是Hadoop和R語言的結合，由RevolutionAnalytics開發(fā)，代碼對github社區(qū)開源。RHadoop包含三個R包(rmr，rhdfs，rhbase)，對應Hadoop系統(tǒng)架構中的MapReduce，

h基于三個部分。2).RHiveRHive是一個通過R語言直接訪問Hive的工具包，由NexR的一家韓國公司開發(fā)。3).重寫Mahout用R語言重寫Mahout的實現也是一個組合的思路，我也做了相關的嘗試。4).Hadoop調用R，以上都是R如何調用Hadoop。當然我們也可以反過來操作，打開JAVA和R的連接通道，讓Hadoop調用R的函數。

R語言和MATLAB一樣，用于數據分析和處理。在某些方面，它比MATLAB更強大，在計算矩陣方面，PYTHON完全不可比擬。r語言還可以結合Hadoop在集群上運行，這是大規(guī)模數據統(tǒng)計所必需的。優(yōu)點Hadoop是一個可以分發(fā)大量數據的軟件框架。Hadoop以可靠、高效和可擴展的方式處理數據。Hadoop之所以可靠，是因為它假設計算元素和存儲會出現故障，所以它維護工作數據的多個副本，以確?？梢詾槌霈F故障的節(jié)點重新分配處理。

Hadoop也是可擴展的，可以處理PB級的數據。此外，Hadoop依賴于社區(qū)服務，因此其成本相對較低，任何人都可以使用。Hadoop是一個分布式計算平臺，用戶可以輕松構建和使用。用戶可以在Hadoop上輕松開發(fā)和運行處理海量數據的應用。主要有以下優(yōu)點:可靠性高。Hadoop一點一點存儲和處理數據的能力是值得信賴的。

如果簡單一點的話，ks.test(x，pnorm)可能沒有shapiro.test強大，但是這么大的數據量應該差不多?；蛘逹Q norm(x)；Qqline(x)只是不是正式的測試，或者看看nortest包或者其他包里的函數。5、R中適合做較大數據多元線性回歸有哪些

1，線性回歸和非線性回歸沒有實質性的區(qū)別，都是尋求合適的參數來滿足已有數據的規(guī)律。擬合方程(模型)一般用于內差計算或小尺度外差，2.y和x之間一般有內在聯系，比如em * c 2。所以可以在回歸之前收集相關信息，或者直接應用. 3.y和每個x之間的散度，否則可以考慮非線性回歸。4.線性回歸可以通過最小二乘法直接計算出相應的系數。