常用包：
——数据处理：lubridata ，plyr ，reshape2，stringr，formatR，mcmc；
——机器学习：nnet，rpart，tree，party，lars，boost，e1071，BayesTree，gafit，arules；
——可视化包：ggplot2，lattice，googleVis；
——地图包：ggmap，RgoogleMaps，rworldmap；
金融包：
——时间序列：zoo，xts，chorn，its，timeDate；
——金融分析：quantmod，RQuantLib，portfolio，PerformanceAnalytics，TTR，sde，YieldCurve；
——风险管理：parma，evd，evdbayes，evir，extRemes，ismev；
数据挖掘包：
——聚类：
——基于划分的方法: kmeans, pam, pamk, clara ；
——基于层次的方法: hclust, pvclust, agnes, diana
——基于模型的方法: mclust
——基于密度的方法: dbscan
——基于画图的方法: plotcluster, plot.hclust
——基于验证的方法: cluster.stats
——文本挖掘：tm
——分类：
——策树: rpart, ctree
——随机森林: cforest, randomForest
——回归, Logistic, Poisson,glm, predict, residuals
——生存分析: survfit, survdiff, coxph
——统计
——常用的包： Base R, nlme
——方差分析: aov, anova
——密度分析: density
——假设检验: t.test, prop.test, anova, aov
——线性混合模型：lme
——主成分分析和因子分析：princomp
——优化
——最简单的：stat包中的optimize, optim 函数
——非线性优化：BB包
——线性不等式约束的非线性优化：constrOptim，adaptive barrier 算法
——非线性box约束优化：nlminb
——带约束的非线性优化：Rsolnp包中solnp函数，alabama包中的constrOptim.nl()函数
——线性规划：lpSolve 包 中的lp函数，linprog包中的 solveLP函数
——中文分词包
——Rwordseq 中文分词包
