close
想快速了解Python與R語言的差異嗎?只要3分鐘,讓你海闊天空(下)
R語言
R 語言是由統計學家所開發。所以基本上任何開發人員只要看一下語法，就能分析、預測。由於該語言包含了機器學習中涉及的數學計算，而機器學習是從統計學中衍生出來的，因此對於希望能深入理解底層細節和構建創新的正確選擇。
如果你的工作需要深入觀察，像是檢驗數據集之類，Ｒ可以替你縮小工作範圍，是最佳選擇。
R 的優勢
適用於分析：如果你的工作需要大量的檢驗數據，R 是最佳選擇，因為它可以快速建模，並與數據集一起搭建 AI/機器學習模型。
大量實用的函式庫和工具：與 Python 類似，R 也有不同的封包，可以提升機器學習模型的結果。例如 Caret 包就支援 AI人工智慧應用，助於有效地建立預測模型。R 開發人員可受惠於這些數據分析包：因為這些封包中包含了針對建模前後階段的特定任務，如模型驗證或數據可視化等。
適用於探索性工作：如果你需要在項目開始的階段，在測量模型中進行探索性研究時，使用 R 語言的話就只需要添加幾行代碼即可完成。
R 的缺點
難學且不容易寫好。身為弱型別（Ｗeak typing）的程式語言，函數經常會回傳預料之外的物件種類。
與其它的語言不同，R 是從 1 開始，不是 0 開始。
結論：
R 和 Python 在機器學習上都有各自的優勢。可以將兩者運用在各自擅長的項目中，互相搭配使用。
一開始我們可以使用 Python 進行資料彙整的階段，再將資料丟到 R 做數據檢驗。按照這些思路，可以將 R 用作 Python 的庫或將 Python 用作 R 的預處理庫。
本篇為下篇，上篇請點此連結
相關文章:
AI 人工智慧、ML 機器學習、深度學習、Python 是什麼？
捷克新創Resistant.AI 開發2產品 揪出欺騙人工智慧的詭計
文章標籤
全站熱搜
留言列表
