基础方法
横截面数据回归经典方法
quantreg分位数回归
MASS BOX-COX变换
survival生存函数、COX比例危险回归模型
mfp COX比例危险回归模型多重分数多项式
car可以检查vif
ridge岭回归
lars lasso回归
msgps adaptive lasso
pls偏最小二乘
横截面数据回归机器学习方法
rpart.plot画回归树
mboost boosting回归
ipred bagging回归
randomForest随机森林回归
e1071 or kernlab SVR支持向量机回归
nnet+caret or neuralnet神经网络
横截面数据分类经典方法
glm( )广义线性模型
MASS的lda( ) or mda的mda( ) or fda的fda( ) 线性判别
横截面数据分类机器学习方法
rpart.plot画分类树
adabag adaboost分类、bagging分类
randomForest随机森林分类
e1071 or kernlab SVR支持向量机分类
kknn最近邻分类
nnet神经网络分类
横截面数据计数或有序因变量
Possion 散布问题（方差不等于均值）：
dglm双广义线性模型（Tweedie分布）
MASS的glm.nb( ) (负二项分布）
pscl的zeroinfl( )零膨胀计数数据模型
rminer支持向量机
mlogit多项logit模型
MASS的loglm( ) or nnet的multinom( ) 多项分布对数线性模型
MASS的polr( ) or VGAM的vglm( ) 多项分布对数线性模型
纵向数据：多水平模型、面板数据
lme4的lmer( ) or nlme的lme( )线性随机效应混合模型
REEMtree拟合固定效应部分的决策树
coxme cox随机效应分析
JM联合模型
plm拟合面板数据
多元分析
factanal( ) 因子分析
cluster分层聚类
ICGE INCA指数
ggmap画地图
NbClust一系列聚类方法
CCA典型相关分析
MASS对应分析
以下为非经典多元数据分析
FactoMineR主成分分析、对应分析（补充元素作为测试集）；多重对应分析（可以包含数量变量和分类变量）、多重因子分析、分层多重因子分析、基于主成分分析的分层聚类
多元数据的关联规则分析
arules关联规则分析
路径建模数据的PLS分析
plspm 的函数plspm( )偏最小二乘
lavvan加协方差关系
网友评论