工具类和深度理解类的不同教法

工具类应该教最基本的，并多重复；像软件的使用、英语等。配有大量的简单例子，在学习者熟悉之后，当然也是他/她经常用（需要才常用）之后才熟悉，然后自然精通，所谓熟能生巧。

如果是深度理解类的，就应该将基本的内容精炼，然后主要精力用于推演和深入；像操作系统原理、四大力学等。这样才能将课程的精髓植入学习者脑中。

总之前者是工具，多用用自然就熟悉了，不用的也不需要学，所以在大学作为未雨绸缪或者提前学习，了解个大概就可以了。

而后者才是核心，这些课程一般条理清除，基于一些比较简单清晰的出发点，类似公理系统。这些出发点自然是要熟悉的，在熟悉的基础上应该做深入地推理比较和鉴别。

一个反例：我当时学fortran、c语言的时候，把那些语法用钻牛角尖的方式翻来覆去折腾，就是不好的。比如什么指针的指针、指针的函数、函数的指针等等，告诉我个大概，等我需要用的时候或者看别人的程序的时候碰到了自然就要学，就懂了。学了不用，现在还是忘了。

是学R呢还是学Jython呢

目的就是要画图，但是origin不是免费的，qtiplot经常给我段错误，特别是用到高级功能的时候。辗转发现R和jHepwork都能很好地画图，前者主要统计，后者主要，呃，我也不知道，说是号称多功能。总之二者肯定都能满足我画图的需要，但都要学习预言。前者要学R，后者要学python，从语言上来说，后者应该更有前途些；从成熟度上R应该更好，而且感觉要简练些（至少名字是这样的）。

哎，怎么选？

[转]五个免费开源的数据挖掘软件

http://www.oschina.net/question/12_14026

from: 

Orange

Orange 是一个基于组件的数据挖掘和机器学习软件套装，它的功能即友好，又很强大，快速而又多功能的可视化编程前端，以便浏览数据分析和可视化，基绑定了 Python以进行脚本开发。它包含了完整的一系列的组件以进行数据预处理，并提供了数据帐目，过渡，建模，模式评估和勘探的功能。其由C++ 和 Python开发，它的图形库是由跨平台的Qt框架开发。

RapidMiner

RapidMiner, 以前叫 YALE (Yet Another Learning Environment), 其是一个给机器学习和数据挖掘和分析的试验环境，同时用于研究了真实世界数据挖掘。它提供的实验由大量的算子组成，而这些算子由详细的XML 文件记录，并被RapidMiner图形化的用户接口表现出来。RapidMiner为主要的机器学习过程提供了超过500算子，并且，其结合了学习方案 和Weka学习环境的属性评估器。它是一个独立的工具可以用来做数据分析，同样也是一个数据挖掘引擎可以用来集成到你的产品中。

Weka

Weka 由Java开发的 Weka (Waikato Environment for Knowledge Analysis) 是一个知名机器学机软件，其支持几种经典的数据挖掘任务，显著的数据预处理，集群，分类，回归，虚拟化，以及功能选择。其技术基于假设数据是以一种单个文 件或关联的，在那里，每个数据点都被许多属性标注。 Weka 使用Java的数据库链接能力可以访问SQL数据库，并可以处理一个数据库的查询结果。它主要的用户接品是Explorer，也同样支持相同功能的命令 行，或是一种基于组件的知识流接口。

JHepWork

为科学家，工程师和学生所设计的 jHepWork 是一个免费的开源数据分析框架，其主要是用开源库来创建 一个数据分析环境，并提供了丰富的用户接口，以此来和那些收费的的软件竞争。它主要是为了科学计算用的二维和三维的制图，并包含了用Java实现的数学科 学库，随机数，和其它的数据挖掘算法。 jHepWork 是基于一个高级的编程语言 Jython，当然，Java代码同样可以用来调用 jHepWork 的数学和图形库。

KNIME

KNIME (Konstanz Information Miner) 是一个用户友好，智能的，并有丰演的开源的数据集成，数据处理，数据分析和数据勘探平台。它给了用户有能力以可视化的方式创建数据流或数据通道，可选择性 地运行一些或全部的分析步骤，并以后面研究结果，模型 以及 可交互的视图。 KNIME 由Java写成，其基于 Eclipse 并通过插件的方式来提供更多的功能。通过以插件的文件，用户可以为文件，图片，和时间序列加入处理模块，并可以集成到其它各种各样的开源项目中，比如：R 语言，Weka， Chemistry Development Kit, 和 LibSVM.

zz--汇总一下我常去的R统计及作图的相关网址

http://hi.baidu.com/%C7%E5%B7%E7%BF%CD_kj/blog/item/b55cddad779f6a064a36d64d.html

from： 

汇总一下我常去的R统计及作图的相关网址（保持更新）

2010/10/13 16:16

建议 初学者学习 R 语言的文档（教材）阅读顺序可以参考如下：  R for Beginners --> Using R --> An Introduction to R 集合资源：http://www.r-project.org/ R 的官方网站 http://cran.r-project.org/manuals.html R 官方文档 http://cran.r-project.org/doc/Rnews/ R 的官方杂志. 里面有一些具体问题的 R 例子.http://statcomp.ats.ucla.edu/R/ UCLA 的 R 资源列表http://scc.stat.ucla.edu/mini-courses Statistical Consulting Center Mini-courses http://www.agrocampus-ouest.fr/math/useR2009/abstracts/user_author.html useR-2009 Abstracts and slides sorted by authorhttp://user2010.org/ The R User Conference 2010http://www.r-bloggers.com/ R英文博文http://statmath.wu.ac.at/courses/ http://biostatistics.iop.kcl.ac.uk/publications/everitt/ An R and S-Plus Companion to Multivariate Analysis http://blog.revolutionanalytics.com/ Revolutions 中文论坛： R语言中文论坛http://rbbs.biosino.org/Rbbs/forums/list.page 统计之都s-plus&Rhttp://cos.name/cn/forum/15 R语言中文社区论坛http://www.r-china.org/index.php 人大经济论坛 S-Plus&R专版http://www.pinggu.org/bbs/forum-69-1.html 作图：http://addictedtor.free.fr/graphiques/ 一个不错R绘图的例子网站(点击"Graphics List", 就可以看到所有 R 图片的列表).http://www.math.yorku.ca/SCS/Gallery/ Gallery of Data Visualization The Best and Worst of Statistical Graphics http://research.stowers-institute.org/efg/R/    R Technotes and Graphics Gallery http://had.co.nz/ ggplot作者http://datavis.ca/ Data Visualization http://www.stat.auckland.ac.nz/~paul/RGraphics/rgraphics.html   RGraphics电子书 http://commons.wikimedia.org/wiki/Category:Created_with_R   图形有codehttp://www2.warwick.ac.uk/fac/sci/moac/degrees/modules/ch923/r_introduction/histograms_etc/ 入门级做图介绍 统计实例：http://zoonek2.free.fr/UNIX/48_R/all.html R在统计学方面应用最全的一个文档  Using R for Data Analysis and Graphics - Introduction, Examples and Commentary: 写的通俗易懂，可操作性强，Using R比 simpleR 略为复杂一点，个人推荐。http://www.statmethods.net/index.html R入门级介绍，不错 http://www.mayin.org/ajayshah/KB/R/index.html   R by example Bioconductor session:http://faculty.washington.edu/kenrice/sisg/ 空间统计：http://spatial-analyst.net/wiki/index.php?title=Main_Page http://r-spatial.sourceforge.net/      Spatial data in R 电子书：http://faculty.washington.edu/tlumley/svybook/ Complex Surveys: a guide to analysis using R

digitizer

原来除了g3data，还有个digitizer能从图里边读数据，貌似还更强大一些。