一、r語(yǔ)言是做數(shù)據(jù)挖掘 還是人工智能

誠(chéng)然，LISP和PROLOG是最顯而易見(jiàn)的人工智能語(yǔ)言。不過(guò)大多數(shù)的應(yīng)用型開(kāi)發(fā)，如智能算法、模式識(shí)別等，其過(guò)程往往為matlab仿真加上其他高級(jí)語(yǔ)言如C等的商業(yè)再實(shí)現(xiàn)。機(jī)器學(xué)習(xí)類(lèi)的算法，尤其是當(dāng)其應(yīng)用于數(shù)據(jù)挖掘等的時(shí)候，python是個(gè)很好的選擇。此外，雖然不是嚴(yán)格的人工智能范疇，但是由于統(tǒng)計(jì)學(xué)習(xí)以及占據(jù)了機(jī)器學(xué)習(xí)的大半河山，R語(yǔ)言也是處理小樣本的好選擇。

二、初學(xué)R語(yǔ)言，用lm跑回歸時(shí)出錯(cuò)，求助

我在別地方也看到您的提問(wèn)，我來(lái)為你解答：

#或這樣寫(xiě)公式：

regression1 <- lm(data美元符號(hào)AmountSpent~data美元符號(hào)Salary)

#初學(xué)者應(yīng)嚴(yán)格按照數(shù)據(jù)格式來(lái)做，不能隨意在數(shù)據(jù)及函數(shù)中增加符號(hào)或代碼。

三、Python V.S R語(yǔ)言？在數(shù)據(jù)分析與挖掘方面該選哪一個(gè)

在機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘算法實(shí)現(xiàn)中：

1、R擁有豐富的算法包，且對(duì)最新的算法響應(yīng)較快，但是致命的缺點(diǎn)是每個(gè)包都需要進(jìn)行學(xué)習(xí)，學(xué)習(xí)成本相對(duì)來(lái)說(shuō)比加大，而Python的scikit-learn包封裝了所有算法，實(shí)現(xiàn)函數(shù)一致，學(xué)習(xí)成本低，但是目前來(lái)說(shuō)，此包的算法不是很全面。

2、R在有些算法上，比如決策樹(shù)，可以很容易的做出決策樹(shù)圖，這對(duì)于Python來(lái)說(shuō)就比較麻煩了，需要單獨(dú)下載作圖的包，寫(xiě)程序來(lái)作圖。

想了解更詳細(xì)的話(huà)可以去閱讀《一篇文章告訴你，該學(xué)R還是Python》：