1. 预热

5月16日（周四），西直门

到达西直门已经是八点多，见到舰哥已经是快九点，但是还是兴致勃勃地畅谈了国内 R 语言发展和商业化问题，以及国内比较奇葩的数据环境，包括国内某 xx 所在将 SAS 换代为 R 的种种“事迹”，各种吐槽各种感慨……

又简单聊了聊中文环境下的文本挖掘，准备和舰哥合作写一个，争取后半年空出时间来做。

三月底参加了中国人民大学统计学院海峡两岸数据挖掘研讨会，和大家简单聊了聊R语言在京东商城的数据挖掘应用。本来想接着写篇博文说明一下， 一直也没腾出时间，今天补上。

1. 为什么要使用R语言

在互联网企业，在分析端使用闭源的商用软件几乎是不可能的，原因很简单：成本太高，不管是使用，还是研发及维护。 但我个人觉得这可能还不是最主要的原因，对于互联网企业来说，数据虽然获取更容易，但环境更为复杂。开源软件可以根据业务的变化 进行调整，但商业的闭源软件则很难做到。

一般来说，大家喜欢使用微软的产品 Power Point（PPT）来做幻灯片演示，但我对它基本没有什么好感，基本观点是认为它既不 Power 也没有 Point。当然不喜欢它也是有原因的：15 分钟的汇报需要搞很久才能达到好的一个效果。对于习惯使用 LaTeX 的我来说，beamer 是一个非常不错的选择，除了动画稍稍麻烦以外，其他所有 PPT 的功能它全部支持，PPT 不擅长的功能它也能支持（比如标签）。而且 beamer提供的模板着实漂亮，就更没有拒绝它的理由了。beamer 手册非常不错，其中一段是讲述如何准备演讲，简单翻译一下供大家参考。

2012年最后一天，北京新开了四条地铁线，分别是6号线的一期、8号线一期的南段、9号线的北段、10号线二期。这几条地铁极大的方便了市民的出行。鉴于北京地方台1号一整天都在介绍地铁开通的情况，不写点东西有点对不起北京市民的称呼，于是胡言乱语了如下文字。

增加这几条线路之后，北京地铁现在的形状是这样的：

1. 好地段是怎么度量的？

地段的好坏不是那么容易区分，如果你常和置业顾问（中介）打交道，他们一般会说会说有如下几大因素影响板块价值：

• 学区，幼小初高
• 临近医院，三甲
• 交通方便，公交地铁
• 社区成熟，配套完备
• 空气好，水质好（上风上水上海淀）
• 等

RHive 是一种通过HIVE高性能查询来扩展R计算能力的包。它可以在R环境中非常容易的调用HQL，也允许在Hive中使用R的对象和函数。理论上数据处理量可以无限扩展的Hive平台，搭配上数据挖掘的利器R环境，堪称是一个完美的大数据分析挖掘的工作环境。