R語言自學日記(2) — 常用套件介紹
前言
Python的使用者對於packages肯定不會陌生，雖然在某種程度上靈活性不如直接打原始碼，但在資料科學的領域，的確省了開發人員很多問題，最重要的就是能讓資料科學家更專注於數據結構、分析方法的建立。以Python而言，在資料的處理上有Numpy、Pandas，繪圖有Matplotlib、Seaborn、Plotly，統計運算有Stats，抓取資料有BeautifulSoup、Selenium，以及最強大的機器學習Scikit-Learn與Tensorflow、Keras等等。因此大多數的模型建置並不困難，可以著重在調參以及模型組合的環節。
當然，R語言作為統計神器，各式各樣的套件必不可少，基本上可以直接透過install.package("名稱")去完成套件安裝，並使用library(名稱)調用，以下介紹幾個常用的套件與應用情境，順便附上Python與R的Cheat Sheet，對於有程式經驗的使用者來說，實在非常方便：
R語言：https://www.rstudio.com/resources/cheatsheets/
在開始前，建議可以先將Tidyverse包下載並安裝，裡頭包含了非常多常見的函數組合，詳細可以見
繪圖 - ggplot2
ggplot可以支援非常多的圖片工具，在Python中甚至可以使用他的樣式(透過style.use('ggplot')代碼)，不像Python需要透過不同Function在各種圖表之間轉換，ggplot透過參數的方式來完成不同的圖表繪製，並透過一些像是geom等參數完成複雜的疊圖等，舉例來說：
上圖是官方的展示，可以看到熱度圖幾乎只需要一行程式碼就可以完成，其中geom_raster其中一個參數aes(fill = density)可以調整方格的數量，如果資料筆數不大或是原始圖看起來太像點陣圖，可以用平滑方式填滿，此外，ggplot也可以很輕鬆做出複雜的圖表，比如：
上圖的展示是把四分位數直線放入散點圖(Scatter Plot)之中，這可以幫助我們聚焦偏離資料與聚集資料，整體來說，這些工具對於資料檢視(Data Scanning)非常有用，比如最常見的雙變數常態分配圖，比起下面這東西，我相信大家更樂於去看散點圖長得像不像一個橢圓的。
機器學習 - rpart、e1071…
相比於Python用Scikit-Learn就可以搞定幾乎所有事情，R語言的套件就比較散亂了，舉一個最常見的機器學習方法分類器(Classifier)而言，目前常用的分類方法大概有幾種，機率的分類方法(比如Naive-Bayes)、分類樹方法(Adaboost Tree、Random Forest等，現在非常熱門)、感知器(比如LDA、SVM等等)，這些東西在Scikit-Learn裏頭都可以找到，但到了R語言則需要分門別類，舉例來說在rpart上做決策樹，在e1071上建立支援向量機等等，在這裡就以e1071來實作一次支援向量機分類看看，首先載入iris資料集：
我們的問題很簡單，能不能只透過花瓣與萼片的長寬去猜測這朵花的品種是屬於setosa、versicolor、virginica哪個品種? 答案是可以的，透過e1071下的svm方法可以快速完成這件事，代碼如下：
準確率可以達到93%以上，簡單來說，我只要知道花瓣與萼片長度，就可以有93%以上的機會猜對這朵花屬於甚麼品種，當然你也可以搭配stacking, cross-validation等方式去不斷提高精確度，但在這邊只為了展示套件使用情境，就不再贅述，有興趣的朋友可以參考：
SVM Function：https://www.rdocumentation.org/packages/e1071/versions/1.6-8/topics/svm
SVM原理：http://www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/SVM2.pdf
資料處理 - tidyr、dplyr
tidyr幫助我們處理表格資料，個人使用過後的感想是樂勝Excel，用起來十分順手，可以很快速連結資料或分割資料，比方說透過unite()函數，就可以很輕鬆將兩個欄位的資料合併在一起，下圖是功能介紹：
dplyr則是將篩選、過濾的過程變得十分簡單，就像SQL在query data一樣，舉例來說我可以很輕鬆篩選出花瓣長度大於三公分的資料，只要使用一行代碼：filter( ir, Petal.Length > 3 )，怎麼樣，是不是非常簡單?
總結
實際上現在越來越多人開始學習程式，作為非資訊背景出身的學生，我強烈建議好好審視自己該不該使用套件這回事，誠然這些packages能讓你快速上手作分析，加速個人的學習曲線(當你能夠跑出成果的時候，老實說你絕對更有動力完成)。但在這之前對於程式的基本邏輯以及數學攻抵必須夠好，這就像是學習英文，你能夠用很fancy的諺語表達語句，卻沒有基本的文法，你的句子就會聽起來非常蹩腳，同理在程式上你可能會發現自己必須高度仰賴其他人做資料清洗，或是怎麼樣都沒辦法合理的建立模型等等。當然，如果你已經有扎實的基礎，那就當我沒說，我們大家一起快樂的學習R語言吧！下一篇來學習迴圈、判斷語句跟物件導向設計，如果你喜歡我的文章，還請不吝幫我拍個手！！！
