R语言分类与预测算法有哪些：

1、分类与预测算法—K-近邻算法：

如果一个样本与特征空间中的K个最相似（特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。

2、分类与预测算法—决策树

决策树（Decision Tree）是一种依托于分类、训练上的预测树，根据已知预测、归类未来。

3、分类与预测算法—支持向量机：

支持向量机（Support Vector Machine，SVM）是一个二分类的办法，即将数据集中的数据分为两类。

4、聚类算法及其R包

“聚类”是根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组（或称为簇），并对每个簇进行描述的过程。

常用的聚类算法主要包括K-means聚类、层次聚类和基于密度的聚类

5、聚类算法及其R包—K-means聚类

同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小

6、聚类算法及其R包—层次聚类

一层一层地进行聚类，可以从下而上地把小的cluster合并聚集，也可以从上而下地将大的cluster进行分割。

7、聚类算法及其R包—基于密度的聚类

8、离群点检测与R包

9、关联规则与R包

10、时间序列分类与R包

11、文本挖掘

提取文本中的词语，并统计频率