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