1基本介绍1.1简介RHadoop是运行R语言的Hadoop分布式计算平台的简称。
要认识Rhadoop首先我们分别来认识R语言和Hadoop。
Hadoop已经成名好多年了，它是Apache软件基金会旗下的一个JAVA开源分布式计算平台，现已被各大互联网企业（包括Yahoo和Facebook等）用于大规模数据分布式存储与分布式计算。
近年来随着云计算、大数据处理、数据挖掘等概念和应用越来越火，Hadoop更是名声大噪，各大企业对熟悉Hadoop体系架构和性能优化的人才需求也相当旺盛，人才缺口也相对加大。
R语言可能对大多数人来说比较陌生，但是做数理统计、数据分析的人不会不知道R。
R 是一门主要运用于统计分析与绘图的编程语言和操作工具。
和Matlab类似，R是一门高级脚本化编程语言，直接在命令行输入指令即可运行，无需编译链接。
它可以进行高效的向量化运算，效率远高于传统的循环运算。
另外，R是开源的，有大批杰出的工程师和程序员为R开发了许多好用的函数库和图形化工具，尤其在数理统计方面有大量成熟的开源的程序包。
所以R是做数据挖掘、数据分析的廉价高效的方案。
1.2功能Rhadoop是将R的强大统计分析能力和hadoop的大数据处理能力相结合，可由以下几项功能组成。
●R内置多种统计学及数字分析功能●R的另一强项是绘图功能，制图具有印刷的素质，也可加入数学符号●Hadoop分布式文件系统，高吞吐量的数据级别达到TB、PB甚至EB●Mapreduce高效并行计算1.3常用算法包Rhadoop中的数据挖掘算法均来自R语言（或者说R软件）,常用算法包如下：1.3.1聚类∙常用的包： fpc，cluster，pvclust，mclust∙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.stats1.3.2分类∙常用的包：rpart，party，randomForest，rpartOrdinal，tree，marginTree，maptree，survival∙决策树: rpart, ctree∙随机森林: cforest, randomForest∙回归, Logistic回归, Poisson回归: glm, predict, residuals∙生存分析: survfit, survdiff, coxph1.3.3关联规则与频繁项集∙常用的包：arules：支持挖掘频繁项集，最大频繁项集，频繁闭项目集和关联规则DRM：回归和分类数据的重复关联模型∙APRIORI算法，广度RST算法：apriori, drm∙ECLAT算法：采用等价类，RST深度搜索和集合的交集： eclat 1.3.4序列模式∙常用的包： arulesSequences∙SPADE算法： cSPADE1.3.5时间序列∙常用的包： timsac∙时间序列构建函数： ts∙成分分解: decomp, decompose, stl, tsr1.3.6人工神经网络∙nnet1.3.7支持向量机∙e10711.3.8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：princomp1.3.9接入数据挖掘软件Weka算法包∙RWeka: 通过这个接口，可以在R中使用Weka的所有算法。
