六 082010
一则令人兴奋的简讯：
据Oracle官方博客 最近更新的 New R Interface to Oracle Data Mining Available for Download，甲骨文开始正式支持R语言在Oracle数据库中的应用（简单的非官方说法是：甲骨文贡献了一个提供Oracle和R之间接口的附加包）。
援引博客中对R-ODM(R-Oracle Data Mining)的介绍：
R-ODM is especially useful for:
- Quick prototyping of vertical or domain-based applications where the Oracle Database supports the application
- Scripting of “production” data mining methodologies
- Customizing graphics of ODM data mining results (examples: classification, regression, anomaly detection)
众所周知，R在实现原型算法方面有着不可替代的巨大优势。诚然，通过R实现的一般性数据挖掘算法都可以嵌入到数据库中，但Oracle提供的这个接口，极大地提高了挖掘算法的部署效率。
今天（2010.06.08），CRAN上更新了RODM包的1.0-2版本，支持Windows、Linux、MacOS X系统。
下面是RODM包帮助文档中的一个例子，可以初步地体会算法高效的部署：
### GLM Regression
## Not run:
x1 <- 2 * runif(200)
noise <- 3 * runif(200) - 1.5
y1 <- 2 + 2*x1 + x1*x1 + noise
dataset <- data.frame(x1, y1)
names(dataset) <- c("X1", "Y1")
RODM_create_dbms_table(DB, "dataset") # Push the training table to the database
glm <- RODM_create_glm_model(database = DB, # Create ODM GLM model
data_table_name = "dataset",
target_column_name = "Y1",
mining_function = "regression")
glm2 <- RODM_apply_model(database = DB, # Predict training data
data_table_name = "dataset",
model_name = "GLM_MODEL",
supplemental_cols = "X1")
windows(height=8, width=12)
plot(x1, y1, pch=20, col="blue")
points(x=glm2$model.apply.results[, "X1"],
glm2$model.apply.results[, "PREDICTION"], pch=20, col="red")
legend(0.5, 9, legend = c("actual", "GLM regression"), pch = c(20, 20),
col = c("blue", "red"),
pt.bg = c("blue", "red"), cex = 1.20, pt.cex=1.5, bty="n")
RODM_drop_model(DB, "GLM_MODEL") # Drop the model
RODM_drop_dbms_table(DB, "dataset") # Drop the database table
RODM_close_dbms_connection(DB)
RODM_close_dbms_connection(DB)
说一句题外话：
R的影响力除了在统计分析领域（SAS、SPSS、Statistica已经都开始支持R接口）外，已然发展到了商业数据库领域。
永久链接：http://www.bjt.name/2010/06/oracle-data-mining-r/
你这家伙，也不在个人主页上留个联系方式。向你求一段代码，你写过一篇文章“500万？去买双色球！”里面给出了如何在网页上抓取所需要资料的例子，很久之前看过，但现在下不下来了。可以把那段代码发给我么？省得我去冥思苦想了 ^_^
另外，提个建议，在COS上建个R的代码库，大家需要什么代码，就上去查，会省下不少编程时间。google就是这么干的。
当时那个脚本放在pages.google.com上了，我本地也没存：） 随手做的东西，不存代码在我这经常发生，呵呵
那段代码比较简单，思路就是用readLines把网页读下来，然后用grep这类的可以使用正则表达式的函数匹配数据，最后转化为data.frame
刚在cos.name上发贴才发现原来之前刘版主已经回答了。谢谢~
又遇到个问题了，导入网页中的中文字出现乱码和错误，该怎么解决呢？
>require(RCurl)
>webpage abc <- readLines(con=con,encoding="UNICODE")
Error in file(con, "r") : cannot open the connection
In addition: Warning message:
In file(con, "r") : cannot open file '
[...] This post was mentioned on Twitter by Xin LI and hutuworm, Xu Wenhao. Xu Wenhao said: RT @hutuworm: Oracle数据库开始支持R语言 http://bit.ly/as17IP //看来为了想搞的一些东西，值得好好看一下R了呢 [...]
请问在企业里面有用R做数据挖掘的吗？如何解决性能问题呢？要是数据达到千万级别，R能够处理吗？
不是一个问题啊：）
1、企业里用R做数据挖掘的很多，比如我自己就是其中的一个例子；
2、“性能的问题”是一个很泛泛的说法，比较难回答。通常一个可能的做法是，尽量利用数据库的长处来弥补 R 的短处；
3、R是可以处理千万级数据数据的，前提是你的内存足够大。
其实在现实工作中，主要聚焦在两个问题上：
1、想把所有数据放进来做模型。
但，想想有必要么？！模型只是对现实的逼近，不可能完全等同于现实的，即便是用数据库里“全部”的数据。不如使用一个抽样数据模型，或者若干抽样数据模型的集合。这样的模型适应性会更强。
2、想把所有数据放进来做汇总。
大数据集的话，R也能做。但，用数据库吧，那才是王道！
[...] Oracle数据库开始支持R语言 [...]