在數值計算軟體的應用上，生成各類符合要求的隨機亂數分布以進一步驗證模型，幾乎是基本需求。R語言中，可利用rnorm指令來生成符合某個平均值和某個標準差要求的常態亂數分布。另外，亦可善用rnorm來生成時間序列亂數。
延伸<[Excel]k-means聚類算法的應用，以評價現有供應商的水平為例。>文章，同時恰巧在圖書館看到一本R語言機器學習書籍，因此正好可進一步了解如何用R語言來實現k-means算法和應用，一併將k-means模組建立起來，做為未來參照使用。
在數值計算軟體的應用上，生成各類的隨機亂數是基本的功能。在R語言中，可利用seed和sample來生成各種類的隨機亂數，隨機亂數結果包含單個數值是否重複產生，亂數群是否可固定以驗證數值模型，以及是否可依照比例產出隨機亂數。
基本的程序語言都具備基本的控制結構指令，如if...else和for...loop，一般可做為操作向量數據的輔助工具。然而，當用於大數據的平行處理作業，切換為矩陣操作就顯得相當重要，R語言中的高級數據結構指令即具備平行處理大數據的功能。
在數理統計中，線性回歸是利用最小平方法將自變量和因變量數據之間的關係，以建立函數形式的分析方法。根據自變量的個數，一個自變量的關係稱為一元線性回歸，兩個以上的關係稱為多元線性回歸。在實務的相關工程應用也相當廣泛，如電烙鐵的輸入電功率與加熱溫度的關係，膠機的出膠量與膠管溫度和壓力泵的輸出壓力的關係等等。
利用R語言的模組，可協助建立線性回歸模型，並進一步診斷模型的正確性，一起來看看如何操作吧。
安裝包(package)之於R，就如同一棵樹的枝幹之於主幹。藉由安裝包的拓展，R語言的功能得已趨近於完整。
安裝包除了集成眾多函數之外，有時為了展示安裝包中的函數效果，會再自帶數據集。如應用於處理數據繪圖的lattice安裝包，就包含不少數據集。
漢斯·羅斯林 (Hans Rosling)，是卡洛琳學院的國際衛生學教授，曾經擔任世界衛生組織、聯合國兒童基金會和其他援助機構的顧問，因此對於一些國際公共衛生的議題相當重視，如糧食、健康和貧窮等等議題。還記得第一次接觸到漢斯的演講是在2009年的TED頻道，他的視頻演講不但具備邏輯性和知識性，同時還相當幽默風趣，相當值得一看。
聚類算法系列中，k-means聚類算法是基礎，其屬於非監督式分類算法( Unsupervised Classification)。
所謂"非監督式"，即是針對一堆未知標籤的數據集做分類，結果只會告知哪些數據屬於同一群體。換句話說，只有一堆輸入數據，但無定義輸出變量，常應用於對既有數據的內在分類的探討，如對顧客購買行為的分類。
Vlookup和Hlookup函數常用於查找資料，其中Vlookup顧名思義用於資料水平查找，而Hlookup則用於垂直查找。同時Vlookup的初始設置為由左往右尋找符合條件的資料，Hlookup的初始設置則是由上往下尋找。
