分析工具都是这样的，除非你专门搞算法

看热闹

估计很多人都有类似困惑，就像学SAS的时候总在想很多都可以用SQL搞定啊，但某些情况下好像相应的工具更方便。

其实我想说，你可以试着自己去写package的。。想改进算法就去改进别人写的包，这样，你的成就感自然也就来了。你不能一方面整天拿来主义，一方面嫌弃r太简单太没有深度。。

其实不论是R语言的使用者还是R包的开发者，都应该在自己的研究领域内有深度的去研究自己用得到的包的内部结构，站在更高的位置来使用R语言包为我们工作提供的简洁便利，所以我觉得在用R的同时深入剖析内部数学含义更用意义。

无意间翻到楼主这个帖子，我认为问题很好，和我有同样的感觉，仿佛遇到了自己。

想模型创新算法创新，R还真不太好指望——我追求速度，在创新时需要反复跑程序，如果跑太慢，我没什么耐心。后来我开始搞混合编程，与C混，与java混，主要是不满足R在复杂运算下的速度，这段路比较难受，但收获也不小。

R于我，现如今基本就是已有的模型处理些问题，所谓应用计量，恐怕也是好多人在做的——无可厚非，经济学还是应强调思想，实现的工具真没太大需要精深的。
但要做基础创新，还是找其他工具，掐指算来，快一年都没碰R了。不过因为对它太熟，一点不担心会忘掉了

“我看了机器学习的书籍，感觉里面一些算法不难”，你是我见过第一个敢这样说的。能手推一遍SVM吗？

其实很多人学R主要就是因为包特别方便拿来就用。。。。。。。。

如果你就是把R当成解决问题的工具，那现在你这样模式很好啊。可楼主其实更想的是解决问题的过程。

我有一段时间也楼主一样，质疑r的优点在何处。后来发现r确实很多方面有问题，包太多，无所适从，学习一个包也要很长时间；大数据 r也上不去。不用把r太神话了，也不要希望 r万能，无所不能。
后来一想，r就是一种灵活的工具而已，可以多多的借鉴他人的东西（其它语言中写的函数应该大家共享通用，却不能像r一样共享呀）。R能加快自己的进程，达到自己的计算的目的就行了。

楼主你要搞清楚，R语言是统计分析的工具，并不是用来编程的，大量的R包就是给科研人员或者其他需要统计分析的人专注于数据本身，而不是写代码。要是做一个方差分析，都要写一大串代码，还不如用SPSS。R语言的初衷就是提供一个方便、灵活的统计分析作图平台。