ggplot2– 强大的绘图统计和计算图形系统的实现.强烈推荐. >>>官网

ggfortify-一个ggplot2(流行的统计软件包)统一的接口(使用一行代码即可). >>>官网

ggrepel– 排除重叠的文本标签. >>>官网

ggalt– ggplot2额外的坐标系统,几何和统计. >>>官网

ggtree– 可视化和注释的系统树. >>>官网

ggplot2 Extensions– ggplot2扩展显示例子. >>>官网

lattice– 一个强大优雅的高级数据可视化系统. >>>官网

corrplot– 图形显示相关矩阵或一般矩阵。它还包含一些矩阵重新排序算法. >>>官网

rgl– R中3D可视化系统. >>>官网

Cairo– 一个使用cairo组件创建高质量显示输出的R图形包. >>>官网

extrafont– 在R中图像中使用字体的工具. >>>官网

showtext– 让R图形设备显示文本的时候使用系统字体. >>>官网

animation– 一个使用 ImageMagick在R中产生动画图形的工具. >>>官网

gganimate– 用ggplot2创建简单的动画. >>>官网

misc3d– 强大的3D绘图工具. >>>官网

xkcd– 在图表中使用xkcd风格. >>>官网

imager– 一个基于CImg库的图像处理包. >>>官网

d3heatmap– 使用D3绘制互动的热图. >>>官网

DataTables– 将R矩阵或数据框作为交互的HTML表. >>>官网

DiagrammeR– 在R中创建JS图表和流程图. >>>官网

dygraphs– 在R中绘制时间序列数据图形. >>>官网

formattable– 可格式化的数据结构. >>>官网

ggvis– R中交互式的图形处理语法. >>>官网

Leaflet– 一个非常流行的交互式地图JavaScript组件. >>>官网

MetricsGraphics– 可以轻松创建D3散点图、折线图和直方图. >>>官网

networkD3– D3 JavaScriptR网络图. >>>官网

scatterD3– D3 互动散点图. >>>官网

plotly– 使用plot.ly进行交互式ggplot2和Shiny绘图. >>>官网

rCharts– 交互式JS绘图. >>>官网

rbokeh– Bokeh的R接口. >>>官网

threejs– 交互式3D散点图和地球仪. >>>官网

timevis– 创建完全交互式的时间轴可视化图形. >>>官网

visNetwork– 使用vis.js类库进行网络可视化. >>>官网

knitr– R中简单的动态报表生成工具. >>>官网

xtable– 将表格导出到LaTeX或者HTML. >>>官网

rapport– 一个R模版系统. >>>官网

rmarkdown– R动态文档工具. >>>官网

slidify– 创建和发布漂亮的html5展示效果. >>>官网

Sweave– 使用R创建LaTeX报表的R包. >>>官网

texreg– 在LaTex和HTML中格式化统计模型. >>>官网

checkpoint– 从检查点快照服务器安装包. >>>官网

brew– 报告模板的生成框架.可以和knitr合并. >>>官网

ReporteRs– 一个生成微软Word, PowerPoint和HTML报表的R包. >>>官网

bookdown– 使用R Markdown编写书籍. >>>官网

ezknitr– 避免使用’knitr’带来的工作目录的痛苦. >>>官网

Web Technologies List– 关于如何使用R和网络的相关信息. >>>官网

shiny– 使用R创建简单的Web交互应用. >>>官网

RCurl– 常规的网络客户端接口 (HTTP/FTP/…) . >>>官网

httr– 使用更加友好的RCurl封装. >>>官网

httpuv– HTTP和WebSocket服务程序. >>>官网

XML– R中生成和解析XML的工具. >>>官网

rvest– 简单的web信息抓取,使用CSSSelect 和 XPath 语法. >>>官网

OpenCPU– HTTP API. 官网>>>

Rfacebook– Facebook API. 官网>>>

RSiteCatalyst– Adobe 分析服务的R语言客户端. >>>官网

plumber– 一个将现有的R代码转换为API的包. >>>官网

parallel– R语言高性能的并行计算平台. multicore and snow. >>>官网

Rmpi– Rmpi对MPI APIS提供了一个包装过的接口,它也提供一个交互式的R环境. >>>官网

foreach– 使用并行来执行循环. >>>官网

SparkR– R for Spark. >>>官网

DistributedR– 一个来自惠普Vertica Analytics团队的可伸缩的高性能平台. >>>官网

ddR– 提供分布式数据结构,简化了R中的分布式计算. >>>官网

sparklyr– 来自RStudio的Spark接口. >>>官网

Rcpp– Rcpp在R中提供了一个高效的API,使得函数更快执行. >>>官网

Rcpp11– Rcpp11完全重新设计,以C++11为目标. >>>官网

compiler– 使用JIT提高R代码的速度. >>>官网

APIrJava– R语言对JAVE接口. >>>官网

jvmr– 集成了R, Java, and Scala. >>>官网

rJython– R语言对Python/Jython的接口. >>>官网

rPython– 允许R调用Python. >>>官网

runr– 在R中运行Julia和Bash. >>>官网

RJulia– R中调用Julia. >>>官网

RinRuby– 一个Ruby库,整合了R用Ruby解释器. >>>官网

R.matlab– 读写mat文件,将R和Matlab连接到一起. >>>官网

RcppOctave-Octave and Matlab的接口. >>>官网

RSPerl– 双向接口,R中调用Perl和在Perl中调用R.>>>官网

V8– 嵌入JavaScript引擎. >>>官网

htmlwidgets– R中把JavaScript数据可视化的最好方法. >>>官网

rpy2– Python对R的接口. >>>官网

RODBC– R中ODBC数据库范围. >>>官网

DBI– 在R和数据库管理系统之间定义一个公共的接口. >>>官网

elastic– Elasticsearch HTTP API的包装器. >>>官网

mongolite– R中Mongo客户端. >>>官网

RMySQL– R语言的MySQL数据库接口. >>>官网

ROracle– R中Oracle数据库的接口. >>>官网

RPostgreSQL– R语言的PostgreSQL数据库系统接口. >>>官网

RSQLite– R语言SQLite数据库接口. >>>官网

RJDBC– 通过JDBC接口访问数据库. >>>官网

rmongodb– R中MongoDB驱动. >>>官网

rredis– R中Redis驱动. >>>官网

RCassandra-Apache Cassanda直接接口(不是JAVA)，提供了最多的基本功能. >>>官网

RHive– 通过Apache Hive的R扩展促进分布式计算. >>>官网

RNeo4j– Neo4j图形数据库驱动. >>>官网

AnomalyDetection– 来自Twitter的AnomalyDetection R包. >>>官网

ahaz– 半参数添加风险回归的正则化. >>>官网

arules– 挖掘关联规则和频繁项集. >>>官网

bigrf– 大随机森林:大型数据集的分类和回归森林. >>>官网

bigRR– 广义回归(特殊是在p >> n情况下). >>>官网

bmrm– 风险最小化方案的正规化方法. >>>官网

Boruta– 所有相关的特征选择算法的一个封装 . >>>官网

BreakoutDetection– Breakout Detection via Robust E-Statistics from Twitter. >>> 官网

bst– 梯度增加. >>>官网

CausalImpact– 利用贝叶斯时间序列结构模型进行因果推断. >>>官网

C50– C5.0决策树和基于规则的模型. >>>官网

caret– 分类和回归训练. >>>官网

CORElearn– 分类、回归、特征评价和排序. >>>官网

CoxBoost– Cox models by likelihood based boosting for a single survival endpoint or competing risks. >>>官网

Cubist– 规则和基于实例的回归建模. >>>官网

e1071– Misc统计函数 (e1071),主要功能有类别分析、傅里叶变换,模糊聚类,支持向量机,最短路径计算,朴素贝叶斯分类器等等. >>>官网

earth– 多元自适应回归模型. >>>官网

elasticnet– 稀疏估计和稀疏主成分分析. >>>官网

ElemStatLearn– 书籍”The Elements of Statistical Learning, Data Mining, Inference, and Prediction”中的数据集,函数和例子. >>>官网

evtree– 全局最优树的进化学习. >>>官网

forecast– 使用ARIMA, ETS, STLM, TBATS,和神经网络进行时间序列预测. >>>官网

forecastHybrid– 使用”forecast”包对ARIMA, ETS, STLM, TBATS,和神经网络模型进行交叉检验. >>>官网

FSelector– 一个基于subset-search或特性排名方法的特征选择框架. >>>官网

frbs– 使用模糊规则系统处理分类和回归的任务. >>>官网

GAMBoost- 基于广义线性和加法模型. >>>官网

gamboostLSS– GAMLSS方法的改善. >>>官网

gbm– 改善广义线性模型. >>>官网

glmnet– Lasso 和 elastic-net正规化广义线性模型. >>>官网

glmpath– L1 Regularization Path for Generalized Linear Models and Cox Proportional Hazards Model. >>>官网

GMMBoost– 广义混合模型. 官网>>>

grplasso– Fitting user specified models with Group Lasso penalty. >>>官网

grpreg– Regularization paths for regression models with grouped covariates. >>>官网

h2o– Deeplearning, Random forests, GBM, KMeans, PCA, GLM. >>>官网

hda– 异方差判别分析. >>>官网

ipred– 预测器改进. >>>官网

kernlab– kernlab: 基于内核学习的机器实验室. >>>官网

klaR– 分类和可视化. >>>官网

kohonen– 监督和非监督自组织映射. >>>官网

lars– Least Angle Regression, Lasso and Forward Stagewise. >>>官网

lasso2– L1 constrained estimation aka ‘lasso’. >>>官网

LiblineaR– 基于C/C++库的线性预测模型. >>>官网

lme4– Mixed-effects models. >>>官网

LogicReg– 逻辑回归模型. >>>官网

maptree– 映射、修剪和图形树模型. >>>官网

mboost– Model-Based Boosting. >>>官网

Machine Learning For Hackers

mvpart– Multivariate partitioning. >>>官网

MXNet– MXNet brings flexible and efficient GPU computing and state-of-art deep learning to R. >>>官网

ncvreg– Regularization paths for SCAD- and MCP-penalized regression models. >>>官网

nnet– eed-forward Neural Networks and Multinomial Log-Linear Models. >>>官网

oblique.tree– Oblique Trees for Classification Data. >>>官网

pamr– Pam: 小矩阵预测分析. >>>官网

party– A Laboratory for Recursive Partytioning. >>>官网

partykit– A Toolkit for Recursive Partytioning. >>>官网

penalized– L1 (lasso and fused lasso) and L2 (ridge) penalized estimation in GLMs and in the Cox model. >>>官网

penalizedLDA– Penalized classification using Fisher’s linear discriminant. >>>官网

penalizedSVM– 使用惩罚函数的特征选择支持向量机. >>>官网

quantregForest– quantregForest: Quantile Regression Forests. >>>官网

randomForest– 随机森林: Breiman and Cutler’s random forests for classification and regression. >>>官网

randomForestSRC– randomForestSRC: Random Forests for Survival, Regression and Classification (RF-SRC). >>>官网

rattle– 图形界面式的数据挖掘工具. >>>官网

rda– Shrunken Centroids Regularized Discriminant Analysis. >>>官网

rdetools– Relevant Dimension Estimation (RDE) in Feature Spaces. >>>官网

REEMtree– Regression Trees with Random Effects for Longitudinal (Panel) Data. >>>官网

relaxo– Relaxed Lasso. >>>官网

rgenoud– R version of GENetic Optimization Using Derivatives. >>>官网

rgp– R基因编程框架. >>>官网

Rmalschains– 使用本地文化基因算法进行连续问题优化.[这里翻译不准]. Search Chains (MA-LS-Chains) in R. >>>官网

rminer– 在分类和回归问题中简单的使用数据挖掘方法(如神经网络和支持向量机). >>>官网

ROCR– 可视化评分分类器的性能. >>>官网

RoughSets– 使用粗糙集和模糊粗糙集理论进行数据分析. >>>官网

rpart –Recursive Partitioning and Regression Trees. >>>官网

RPMM– Recursively Partitioned Mixture Model. >>>官网

RSNNS– Neural Networks in R using the Stuttgart Neural Network Simulator (SNNS). >>>官网

Rsomoclu– Parallel implementation of self-organizing maps. >>>官网

RWeka– Weka的R接口(Weka是基于JAVA环境下开源的机器学习以及数据挖掘软件). >>>官网

RXshrink– RXshrink: Maximum Likelihood Shrinkage via Generalized Ridge or Least Angle Regression. >>>官网

sda– Shrinkage Discriminant Analysis and CAT Score Variable Selection. 官网>>>

SDDA– Stepwise Diagonal Discriminant Analysis. >>>官网

SuperLearner and subsemble– Multi-algorithm ensemble learning packages. >>>官网

svmpath– svmpath: the SVM Path algorithm. >>>官网

tgp– Bayesian treed Gaussian process models. >>>官网

tree– 分类和回归树. >>>官网

varSelRF– 使用随机森林进行变量选择. >>>官网

xgboost –eXtreme Gradient Boosting Tree model, well known for its speed and performance. >>>官网

text2vec– 一个快速文本挖掘框架。 Fast Text Mining Framework for Vectorization and Word Embeddings. >>>官网

tm– 一个全面的文本挖掘框架. >>>官网

openNLP– Apache OpenNLP工具接口. >>>官网

koRpus– 一个文本分析的R包. >>>官网

zipfR– 词频分布统计模型. >>>官网

NLP– 基本自然语言处理功能. >>>官网

LDAvis– 主题模型的交互式可视化. >>>官网

topicmodels– Topic modeling interface to the C code developed by by David M. Blei for Topic Modeling (Latent Dirichlet Allocation (LDA), and Correlated Topics Models (CTM)). >>>官网

syuzhet– Extracts sentiment from text using three different sentiment dictionaries. >>>官网

SnowballC– Snowball stemmers based on the C libstemmer UTF-8 library. >>>官网

quanteda– 文本数据的定量分析. >>>官网

Topic Models Resources– 主题模型的学习和R相关资源. >>>官网

NLP for – NLP related resources in R. @Chinese. >>>官网

coda– 输出MCMC(马尔可夫链蒙特卡尔理论)的分析和诊断信息. >>>官网

mcmc– 马尔可夫链蒙特卡尔理论(MCMC). >>>官网

MCMCpack– 马尔可夫链蒙特卡尔理论 (MCMC). >>>官网

R2WinBUGS –在在R/S-PLUS中打开WinBUGS 和 OpenBUGS. >>>官网

BRugs– OpenBUGS MCMC 软件的R接口. >>>官网

rjags– JAGS MCMC组件的R接口. >>>官网

rstan– Stan MCMC软件的R接口. >>>官网

minqa– Derivative-free optimization algorithms by quadratic approximation. >>>官网

nloptr– 一个免费开源的非线性最优化程序包. >>>官网

lpSolve– Lp_solve解决线性和整形问题的R接口. >>>官网

quantmod– 定量金融模型和交易框架. >>>官网

TTR– 技术交易规相关的数据和功能函数. >>>官网

PerformanceAnalytics– 计量经济学性能和风险分析工具. >>>官网

zoo– S3 Infrastructure for Regular and Irregular Time Series. >>>官网

xts– 可扩展的时间序列. >>>官网

tseries– 金融时间序列分析和计算. >>>官网

fAssets– 金融资产分析和建模. >>>官网

Bioconductor– 用于分析和理解高通量基因组数据的工具. >>>官网

genetics– 处理基因数据的R包. >>>官网

gap– 一个人口家庭遗传数据分析的综合工具. >>>官网

ape– 分子系统学和进化分析. >>>官网

pheatmap– 一个使用简单的热图工具. >>>官网

ddpcr– Analysis and visualization of Droplet Digital PCR data. >>>官网

Network Analysis List– 网络分析相关资源. >>>官网

igraph– 一个网络分析工具集合. >>>官网

network –一个操作数据关系的基本工具. >>>官网

sna– 基本的网络测量和可视化工具. >>>官网

netdiffuseR –网络扩散的分析工具. >>>官网

networkDynamic– 支持动态和时序网络. >>>官网

ndtv– 构建动画的可视化动态网络工具,支持多种数据格式. >>>官网

statnet– 大量网络数据的分析,仿真和可视化工具. >>>官网

ergm– 指数随机图模型. >>>官网

latentnet– Latent position and cluster models for network objects. >>>官网

tnet– Network measures for weighted, two-mode and longitudinal networks. >>>官网

rgexf– 从R导出网络对象到GEXF, for manipulation with network software like Gephi or Sigma. >>>官网

visNetwork– 使用vis.js类库进行网络可视化. >>>官网

Package Development List– 提高整体开发能力的包. >>>官网

devtools– 然R开发人员的生活变得更简单的工具. >>>官网

testthat– 一个R包测试工具. >>>官网

R6– simpler, faster, lighter-weight alternative to R’s built-in classes. >>>官网

pryr– Make it easier to understand what’s going on in R. >>>官网

roxygen– 在函数定义中描述说明. >>>官网

lineprof– R中在线分析结果可视化. >>>官网

packrat– 让R项目更加简单,便携和可重构的工具. >>>官网

installr– R中按照软件的相关函数(Windows平台). >>>官网

import– R的导入机制. >>>官网

modules– 另外一个R模块系统(Python风格). >>>官网

Rocker– R configurations for Docker. >>>官网

RStudio Addins– RStudio插件列表. >>>官网

drat– Creation and use of R repositories on 使用R在GitHub或其他平台创建和使用仓储. >>>官网

covr– Test coverage for your R package and (optionally) upload the results to coveralls or codecov. >>>官网

lintr– R静态代码分析. >>>官网

staticdocs– 为一个R包生成静态html文档. >>>官网

futile.logger– R中类似log4j的日志记录包. >>>官网

log4r– R中的log4j接口. >>>官网

logging –一个在R中实现log4j的日志处理包. >>>官网

engsoccerdata– 英国和欧洲联赛结果数据(1871-2016年). >>>官网

gapminder– 从Gapminder摘录的数据集. >>>官网

git2r– 在R中使用git. >>>官网

CXXR– Refactorising R into C++. >>>官网

fastR– FastR is an implementation of the R Language in Java atop Truffle and Graal. >>>官网

incanter– Clojure-based, R-like statistical computing and graphics environment for the JVM with Lisp spirit. >>>官网

pqR– 一个更快的R实现. >>>官网

renjin –一个基于JVM的R编译器. >>>官网

rho– Refactor the interpreter of the R language into a fully-compatible, efficient, VM for R. >>>官网

riposte– 一个R快速编译和JIT工具. >>>官网

RRO –R革命性开放平台(Microsoft R Open). >>>官网

TERR– R的TIBCO企业运行环境. >>>官网

swirl– 一个在R控制台中交互式学习指南. >>>官网

DataScienceR– 一个数据科学,神经网络,和机器学习的指南. >>>官网