R语言入门的经验之谈

初识语言

学习计算机语言就像学一门自然语言，首先要有交流/应用的动力，其次是要掌握基本的语法规则和语汇，之后是情景中不断演练和改进。语言能力无止境，编程艺术也是这样。

虽然我是个地地道道的理科生，却一直对码代码这种事情特别惧怕，曾经有C++的一门课，常常是想了半天，凑出了几行，一按编译键，又是各种bug，就这样留下了些心理障碍。从大一到了现在大四，终于有一种“纸上得来终觉浅，绝知此事要躬行”的感悟，下定决心要学会一门编程语言。

大四上学期，学校的事情已经不多了，便咬咬牙修了一门名叫《统计方法选讲》的课，名字很无辜，内容却是实实在在的Statistical Learning, 而且还要将上课学到的算法自己写程序实现。统计方面一般会选择R，不过在Statistical/Machine Learning领域会更多地用到Matlab。幸好是从R这样一个入门难度极低的工具入手，我也得以发出“由也升堂矣,未入于室也”这样的感慨，不然，可能连“升堂”的机会都没有。

可以说，这个学期学习R的过程还是很愉快，也很有成就感的。于此同时，我也感觉到国内大学对于编程教学还有相当程度的缺失，一般理科会教C/C++，文科教VB，相对会在各类研究和工作中用到的Matlab, Python, R等来说并不太实用。而这些工具呢，又大多只能靠学生自学掌握。我想，对于编程类内容，自我实践、探索确实相当重要，但可能会花费更多的时间，或者停留在低水平而难以进步，因此希望写个帖子，把我的一些经验分享给大家，也希望能得到大家的一点建议，共同进步。

学习资源介绍

1. RStudio/ R Markdown
   为什么把它们放在第一个呢，是因为RStudio可以提供更优良的编程环境，R Markdown（必须有RStudio才可以实现）可以方便的将你的代码、运算结果及文字说明输出成HTML, PDF等文件格式。这两者相当于提供了一个良好的学习环境，有事半功倍的效果。

2. 《统计建模与R软件》薛毅 陈立萍 编著
   看这本书作为学习R语言的入门指南真是再好不过，最好能拿着纸质书，便于翻阅查看。大致把这本书过一遍，能够掌握R基本语法和语汇，社会科学对统计的应用可以满足。
   这本书的优点有这几个：
   条理清晰，章节分布合理，不会出现看不明白的地方，便于自学。
   内容包含比较全面，主成分分析、聚类分析、蒙特卡洛模拟等方法也都会提到。
   看过这本书的人多，习题遇到困难能很方便得到解答。

3. An Introduction to Statistical Learning with Application in R
   这本是统计学习方面入门级别的书，即使数学基础一般也能容易看懂。

4. The Elements of Statistical Learning
   这本是统计学习方面较为高级别的书，部分内容数学要求比较高。好在它有一个网站，书中所用的数据都可以在该网站上下载到，如果要深入学习此书，最好能边学边练，结合书上所讲算法写程序，对比书中结果。

5. Coursera专项课程：Data Science Specialization
   这个专项课程是由约翰霍普金斯大学开设的，一共分了九门小课程，优缺点都比较突出（可以说优缺点其实是对立的）：
   优点：每门都只有一个月，容易坚持学完，也方便注册学习新的课程（时间自由度很好）。
   缺点：分成九门课之后内容比较散，其中有几门课相对比较无趣和仓促。

作为R语言入门，我跟了一个月的R Programming(第二门)，后来因为上课学到机器学习的内容所以又学了一门Practical Machine Learning(第八门)，中间跳掉了这么多门确实感觉基础不够，之后还打算把Getting and Cleaning Data, Exploratory Data Analysis, Developing Data Products这三门也学一下，这样估计可以从获取整理数据、绘制图表、建模及最终做出产品有一个完整的了解，也算为大四下能好好写一篇毕业论文打个基础吧。

PS：这个专项课程专门开发了一套叫swirl的R package，用一句话概况就是用R来学R语言，通过交互方式介绍R函数用法和一些非常好用的包(比如绘图里的ggplot2等等)，专项课程里将此作为补充和加分内容，但不上课也可以下载下来使用学习，具体方法点链接进去看即可。

1. Coursera: Data Analysis and Statistical Inference
   这门课在MOOC上的评价很好。或者说上面那个Data Science专项课程经常受到吐槽，不够我已经觉得学到了很多东西（条件是每星期的Quiz认真做，Project积极完成，研究Peer写的程序），想必这个评分超高的课程一定在课程设计上更有趣味性吧。这门课从名字上来说就是统计推断的内容，鉴于我自己的统计知识和应用能力也不够好，有空的时候我也打算学习一下这门课。

2. Coursera: Machine Learning
   Coursera上元老级别课程，会讲更多机器学习的理论知识，编程要求用Matlab, 这里就不做过多介绍。我还打算更多地学习这个领域的知识，已计划跟12月28日马上开班的课程，持续两个多月时间。

嗯，不知不觉已经写了这么多了，现在编程还不算溜，但兴趣很大，希望未来一年里可以掌握R, Matlab, Python这三把利器。不多说了，学习去了！