四大机器学习编程语言对比:R、Python、MATLAB、Octave

人工智能(AI)是近几年来最热的话题之一,不管是医疗界、互联网界、服务界,还是制造业、工业等等,不和AI挂个边都不好意思出来和人打招呼(比如咱们运维界也有AIOps)。

机器学习(Machine Learning, ML),是人工智能的核心,是让计算机具有智能的途径。今天,我们就来看看四种常用的机器学习编程语言的优缺点,愉快的走在知识的前沿吧!

本文转载自:机器之心;

作者:MJ Bahmani

编译:张倩、路雪

R语言

R 是一种用于统计计算和图的语言及环境。它是一个 GNU 项目,与贝尔实验室的 John Chambers 及其同事开发的 S 语言及环境类似。R 可以视为 S 的一种不同实现。二者存在一些重要差异,但使用 S 写的很多代码在 R 下运行时无需修改。

优点

  • 端到端开发到执行(一些 brokers package 允许执行,IB);
  • 开发速度快(比 Python 的代码少 60%);
  • 开源包多;
  • 成熟的量化交易包(quantstrat、quantmod、performanceanalyitics、xts);
  • 社区最大;
  • 使用 rcpp 可以整合 R 和 C++/C。

缺点

  • 比 Python 慢,尤其是在迭代循环和非向量化函数中;
  • 比 Matlab 绘图差,难以实现交互式图表;
  • 创建独立应用程序的能力有限。

Python

Python 是一种用于通用编程的解释型高级编程语言,由 Guido van Rossum 创建并于 1991 年首次发布。Python 的设计强调代码可读性,使用了大量空格。它的结构使其在大规模和小规模编程中都能清晰明了。

优点

  • 端到端开发到执行(一些 brokers package 允许执行,IB);
  • 开源包(Pandas、Numpy、scipy);
  • 交易包(zipline、pybacktest、pyalgotrade);
  • 最适合一般编程和应用程序开发;
  • 可连接 R、C++ 和其他语言的「胶水」语言;
  • 总体速度最快,尤其是在迭代循环中。

缺点

  • 有一些不成熟的包,尤其是交易包;
  • 有些包与其他包不兼容或包含重叠;
  • 在金融领域的社区比R小;
  • 与 R 或 Matlab 相比,相同操作需要更多代码;
  • 追踪静默错误(silent error)可能需要很长时间(即使使用可视化调试器/IDE)。

MATLAB

MATLAB(matrix laboratory)是一种多范型数值计算环境。作为 MathWorks 开发的一种专用编程语言,MATLAB 允许矩阵运算、函数和数据绘图、算法实现、用户界面创建,以及与用其他语言(包括 C、C++、C#、Java、Fortran、Python)写成的程序进行交互。

尽管 MATLAB 的设计初衷是数值计算,但其中的可选工具箱使用 MuPAD symbolic engine,具备符号计算能力。额外的包 Simulink 添加了图多领域模拟和针对动态和嵌入系统的基于模型的设计。

优点

  • 最快的数学和计算平台,尤其是向量化运算/线性矩阵代数;
  • 适合所有数学和交易领域的商业级软件;
  • 脚本简短,但高度集成了所有包;
  • 拥有图和交互式图表的最佳可视化;
  • 具备良好测试和支持;
  • 易于管理多线程支持和垃圾收集;
  • 最好的调试器。

缺点

  • 无法执行,必须转换成另一种语言;
  • 昂贵:每个 license 大约 1000 美元,每添加一个包需要额外支付 50+ 美元;
  • 无法与其他语言很好地集成;
  • 很难检测出交易系统中的偏差(它是为数学和工程模拟而构建的),因此可能需要广泛的测试;
  • 糟糕的迭代循环性能;
  • 无法开发单独的应用。

Octave

Octave 可以看作是商业语言 MATLAB 的 GNU 版本,它是一种脚本矩阵语言(scripting matrix language),其语法有大约 95% 可与 MATLAB 兼容。Octave 由工程师设计,因此预装了工程师常用的程序,其中很多时间序列分析程序、统计程序、文件命令和绘图命令与 MATLAB 语言相同。

优点

  • 首先,目前没有可用的鲁棒性 Octave 编译器,且没有必要有,因为该软件可以免费安装。
  • Octave 和 Matlab 的语言元素相同,除了一些个例,如嵌套函数。Octave 仍然处于积极开发的状态,每一个偏离 Matlab 语法之处都被视为 bug 或者至少是待解决问题。
  • Octave 有很多可用工具箱,只要程序不要求图输出,那么在不进行大量更改的前提下,使用 Octave 运行和使用 Matlab 运行差不多。
  • 图方面的能力是 Matlab 的优势。Matlab 最新版本包括 GUI 设计器,包含大量很棒的可视化特征。
  • Octave 使用 GNU Plot 或 JHandles 作为图程序包,JHandles 与 Matlab 中的图程序包更接近一些。但是,Octave 不具备类似 GUI 设计器的组件,其可视化机制很受限且不与 Matlab 兼容。
  • 集成开发环境也是类似的情况:Octave 有一个 QTOctave 项目,但仍处于早期阶段。
  • Octave 社区的合作很可能帮助该软件很快提供更好、更兼容的图以及 GUI 能力。

缺点

  • 它只是 MATLAB 的免费开源版本,无法带给用户新的东西。

下表列举了数据科学家和机器学习工程师的常用工具,大家可以查看这些工具的流行度。

原文链接:

https://towardsdatascience.com/r-vs-python-vs-matlab-vs-octave-c28cd059aa69

译文链接:

https://www.jiqizhixin.com/articles/2018-11-05-10

原文发布于微信公众号 - 嘉为科技(canway_service)

原文发表时间:2018-11-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券