データサイエンティストを目指すなら知っておきたいRパッケージ10個＋α

元ネタのブログは「10 R packages every data scientist should know about」と「10 R packages I wish I knew about earlier」です。紹介されているパッケージはどれも良いのでメモしておきます。私が「取得した方がいいだろうなー」と思う順番に並べ替えてます。サンプルコードは後者の記事に載ってます。

1. randomForest：超強力な汎用予測モデル
2. RPostgreSQL, RMYSQL, RMongo, RODBC, RSQLite：各種データベースへの接続
3. plyr：データ集約
4. reshape2：データ加工
5. forecast：時系列予測
6. stringr：文字列操作
7. lubridate：日付操作
8. sqldf：SQLライクなデータ操作
9. ggplot2：綺麗なプロットを描く
10. qcc：品質管理

個人的には、下の３つは優先度低いです。理由は、sqldf：R使いっぽくない、ggplot2：指定の仕方が特殊なので、結局描きたい絵を描くのが難しい（エクセルやパワポを使った方が早いことも）、qcc：使い所があまり多くない。

プラス、下記に私のオススメパッケージを紹介しておきます。

1. party：決定木が綺麗に描ける
2. gbm：randomForestより汎用性の高い超強力な予測モデル
3. survival：生存分析
4. caTools, Epi：予測モデルの性能評価に必要なROC曲線が描ける、AUCを計算できる
5. XLConnect：エクセルのデータを読み込める、Rオブジェクトをエクセルに保存できる

これらが全部使いこなせれば、データサイエンティストのR技術は充分のように思います。あとは必要になったものをCRANで調べながら分析を進めていくスキルが必要ですね。