مسیر سایت : خانه تحلیل داده ها داده کاوی

R

یک زبان برنامه‌نویسی و یک پکیج داده‌کاوی به همراه توابع آماری است و بر پایه زبان‌های S و Scheme پیاده‌سازی شده‌است. این نرم‌افزار متن باز، حاوی تکنیک‌های آماری مانند مدل‌سازی خطی و غیر‌خطی، آزمون‌های کلاسیک آماری، تحلیل سری‌های زمانی، دسته بندی، خوشه‌بندی و هم‌چنین برخی قابلیت‌های گرافیکی است. R را می‌توان در محاسبات ماتریسی نیز به کار برد که این امر منجر به استفاده از آن در عملیات داده‌کاوی نیز می‌شود.

مزایا

- شامل توابع بسیار گسترده آماری است.
- به صورت بسیار مختصر قادر به حل مسائل آماری است.
- در برابر سایر نرم‌افزار‌های مرسوم کار با آرایه مانندMATLAB ، PL و Mathematica نرم‌افزار قدرتمندی است.
- طی چند خط دستور قابل نصب است و شامل دستورات داده‌کاوی و هم‌چنین یادگیری ماشین است.
- امکان کنترل کامل برای این ابزار، در اختیار کاربر است.
- با استفاده از ویژگی Pipeline، قابلیت ترکیب بالایی را با سایر ابزار‌ها و نرم‌افزار‌ها دارا است.
- توابع نموداری مناسبی دارد.
- در صورت دارا بودن تسلط بر آن می‌توان ظرف مدت زمان کوتاهی، عملیات مدل‌سازی را روی آن انجام داد. برای نمونه یک کاربر حرفه‌ای این زبان می‌تواند ظرف مدت 60 ثانیه یک مدل PMML neural network بسازد.

معایب

- فقدان واسط کاربری گرافیکی.
- فقدان سفارشی‌سازی لازم جهت داده‌کاوی.
- ساختار زبانی آن کاملا با ساختار‌های مرسوم زبان‌های برنامه‌نویسی مانند C++، C#، C، PHP، Java و VB متفاوت است.
- مادامی که کاربر با زبان‌های آرایه‌ای آشنا نباشد، در اجرا و استفاده برنامه دچار مشکل می‌شود و نیازمند یادگیری این زبان است.
- این زبان در سال 1990 ساخته شده‌است و در مقایسه با سایر ابزار‌‌ها بسیار قدیمی است.

مطالب مرتبط

نرم افزار RapidMiner
SQL Server Analysis Services, Business Intelligence Development Studio
SQL Server Analysis Services Table Analysis Tool for Excel
Statistica 8 همراه با ماژول Data Miner
SciPy نرم افزار
WEKA نرم افزار
 

راهنمای مشاوره و خدمات مرکز علوم مدیریت آریا مدیر

انجام تحلیل فصل چهارم پایان نامه و مقالات    

انجام تحلیل داده های آماری با نرم افزار spss

انجام تحلیل عاملی تاییدی و مدل معادلات ساختاری با نرم افزارهای LISREL وAMOS 

اولویت بندی شاخص ها به کمک روش های تصمیم گیری چند معیاره مانند AHP و ANP

شناسایی روابط درونی میان شاخص ها با استفاده از روش DEMATEL

اولویت بندی گزینه ها با استفاده از روش های TOPSIS و VIKOR

روش های فرا ابتکاری مانند الگوریتم ژنتیک، شبکه های عصبی