1. 理论为辅、实践为主。本书涉及一些必要的理论知识，特别是在数据分析部分，但总体以实践为主，因此几乎每节都有大量的代码，方便读者实践。
2. 知识全面、系统。本书在介绍了R语言的基础知识后，从数据获取和导出、数据清理和操作、数据分析和可视化方面分别进行了探讨，内容由浅入深、循序渐进。
3. 案例广泛。本书中的案例涉及心理学、社会学、医学、商业和经济等领域，但并不需要读者具备这些领域的专业知识。
4. “新手问答”和“小试牛刀”知识模块。“新手问答”主要对读者学习过程中易出现的疑问或容易犯的错误进行针对性的解答；“小试牛刀”结合每章知识及相关技能，列举综合上机案例，让读者在学完一章内容后能及时回顾和练习，旨在让读者巩固知识、学以致用。
理解世界，我们可以从相关性的角度去描述，统计，机器学习，很多问题都是从相关的角度去描述的。我们去构建一个模型，不管是统计机器学习模型，还是深度学习模型，本质上是构建一个复杂映射。从特征到标签的一个映射，这个映射是有用的，但不完全有用。
我们在这里用一个隐喻，下雨，来描述causal 和relevance。我们可以构建一个关于预测明天是否下雨的模型，从搜集到的大量特征，以及历史的下雨结果最为标签，构建模型。不管准确率多少，我们用这样一个模型能够预测明天是否能够下雨。
但是，我们很多时候要的不仅
R语言
学习从入门到熟练掌握资源推荐
最近有些小伙伴在后台问我要一些资源，呃，前段时间一直没看到消息，现在统一整理一下，由于微信不让发这个，我就放在公众号里了，在公众号里回复【
R语言
学习资源】即可，如果链接挂了，在公众号内有我联系方式。
由于前些年R包的作者各自为战，出来的R包的质量良莠不齐，并且很多功能重复的，这无疑增大了
R语言
的学习成本。
哈德利.维克汉姆团队看到了R目前的困境，于是带领团队打造出了一套tidyverse系列的包。
这些包，旨在解决为数据科学提供一整套解决方案，包中的函数规范且高效。
R语言
：利用survminer包实现生存分析及
可视化
总述新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
survminer包是生物信息学中实现生存分析曲线绘制最常用的包，包含函数ggsurvplot()，还可使用gg
恭喜你取得如此优秀的成绩！如果你有兴趣在
数据分析
和
人工智能
研究方面深入探索，可以考虑申请到一些著名的研究机构或企业进行进一步的学习和研究，例如清华大学、北京大学、华为、腾讯、阿里巴巴等。
同时，建议你继续扩展自己的知识面，学习与数学和计算机相关的其他学科，例如统计学、机器学习、深度学习、自然语言处理等，这些学科也是
数据分析
和
人工智能
研究的重要基础。祝你未来学习和发展顺利！
