由于工作和论文实验的需要，使用R语言已经有半年的时间了。入门书籍是Mr Huang推荐的《An instroduction to statistical learning with application in R》（简称ISLR），这本书不是专门讲解R的使用的，主要是数据挖掘常见方法，如线性回归、分类、抽样、SVM等，书中每一章后面都配有使用R进行的实验例子，在实验中会对R的工具包作简单说明，另外，该书第二章有个简单的R入门介绍，包括R环境的安装、常用基础命令、图形、读取数据等。有这个基础就能进行后面的实验了，无非就是读取数据，调用工具包跑实验，输出、画图，再者就是查看工具包的帮助文档，看懂参数配置、输出结果等。
在这里要推荐一下《ISLR》这本书，挺适合数挖学习的入门，纯英文，但是读懂难度不大，介绍每个数据挖掘的方法条理非常清晰，过程配合实例、应用问题，没有深奥的公式推导，非常便于理解，并且对每个方法的应用场景，常见重要问题都有介绍，如线性回归如何判断自变量的关系、哪个变量更重要，如何衡量拟合优度，如何处理高杠杆点、离群点等。
看了书中的前几个章节，并把实验做了一遍，对R的基本语法命令有了基本的掌握。后来因为发表论文需要，基于R进行了论文的实验，调用了random forest、GBDT、boosting、Rpart、SVM、lr等方法进行对比分析。另外，在工作上，也是换用R来做数据分析和数据展现（之前用matlab），陆续使用过R连接数据库（Mysql），后台数据处理程序（C#开发）调用R函数，数据局部拟合实验，分类实验等。过程中遇到不懂的就找度娘，不过不像Matlab，R有关的资料比较少。
R最初在学术界流行，现在在互联网行业也越来越流行了，看过一些公司招聘中也把R列为技能项之一。R的优势不必多说，免费、工具包丰富、面向对象、与其他语言和数据库有很好的接口等。
这几个月使用R其实都是一些很入门的使用，没有进行过系统的学习，没有发挥R丰富的绘图功能，也没有进行过复杂的运算。现在想抓住一些空闲时间整体学习下R，查了下资料，找到丁国徽翻译的《R导论》，准备以这本书为参考。