四大機器學習編程語言對比：R、Python、MATLAB、Octave

 

本文做者是一位機器學習工程師，他比較了四種機器學習編程語言（工具）：R、Python、MATLAB 和 OCTAVE。做者列出了這些語言（工具）的優缺點，但願對想開始學習它們的人有用。

 

圖源：Pixabay.com

 

GitHub 地址：https://github.com/mjbahmani/10-steps-to-become-a-data-scientist

 

 R 語言

 

R 是一種用於統計計算和圖的語言及環境。它是一個 GNU 項目，與貝爾實驗室的 John Chambers 及其同事開發的 S 語言及環境相似。R 能夠視爲 S 的一種不一樣實現。兩者存在一些重要差別，但使用 S 寫的不少代碼在 R 下運行時無需修改。

 

優勢：

 

• 端到端開發到執行（一些 brokers package 容許執行，IB）

• 開發速度快（比 Python 的代碼少 60%）

• 開源包多

• 成熟的量化交易包（quantstrat、quantmod、performanceanalyitics、xts）

• 社區最大

• 使用 rcpp 能夠整合 R 和 C++/C 

 

缺點：

 

• 比 Python 慢，尤爲是在迭代循環和非向量化函數中

• 比 Matlab 繪圖差，難以實現交互式圖表

• 建立獨立應用程序的能力有限

 

 Python

 

Python 是一種用於通用編程的解釋型高級編程語言，由 Guido van Rossum 建立並於 1991 年首次發佈。Python 的設計強調代碼可讀性，使用了大量空格。它的結構使其在大規模和小規模編程中都能清晰明瞭。

 

優勢：

 

• 端到端開發到執行（一些 brokers package 容許執行，IB）

• 開源包（Pandas、Numpy、scipy）

• 交易包（zipline、pybacktest、pyalgotrade）

• 最適合通常編程和應用程序開發

• 可鏈接 R、C++ 和其餘語言的「膠水」語言

• 整體速度最快，尤爲是在迭代循環中

 

缺點：

 

• 有一些不成熟的包，尤爲是交易包

• 有些包與其餘包不兼容或包含重疊

• 在金融領域的社區比 R 小

• 與 R 或 Matlab 相比，相同操做須要更多代碼

• 追蹤靜默錯誤（silent error）可能須要很長時間（即便使用可視化調試器/IDE）

 

 MATLAB

 

MATLAB（matrix laboratory）是一種多範型數值計算環境。做爲 MathWorks 開發的一種專用編程語言，MATLAB 容許矩陣運算、函數和數據繪圖、算法實現、用戶界面建立，以及與用其餘語言（包括 C、C++、C#、Java、Fortran、Python）寫成的程序進行交互。

 

儘管 MATLAB 的設計初衷是數值計算，但其中的可選工具箱使用 MuPAD symbolic engine，具有符號計算能力。額外的包 Simulink 添加了圖多領域模擬和針對動態和嵌入系統的基於模型的設計。

 

優勢：

 

• 最快的數學和計算平臺，尤爲是向量化運算／線性矩陣代數。

• 適合全部數學和交易領域的商業級軟件。

• 腳本簡短，但高度集成了全部包。

• 擁有圖和交互式圖表的最佳可視化

• 具有良好測試和支持。

• 易於管理多線程支持和垃圾收集

• 最好的調試器

 

缺點：

 

• 沒法執行，必須轉換成另外一種語言。

• 昂貴：每一個 license 大約 1000 美圓，每添加一個包須要額外支付 50+ 美圓。

• 沒法與其餘語言很好地集成。

• 很難檢測出交易系統中的誤差（它是爲數學和工程模擬而構建的），所以可能須要普遍的測試。

• 糟糕的迭代循環性能。

• 沒法開發單獨的應用。

 

 Octave

 

Octave 能夠看做是商業語言 MATLAB 的 GNU 版本，它是一種腳本矩陣語言（scripting matrix language），其語法有大約 95% 可與 MATLAB 兼容。Octave 由工程師設計，所以預裝了工程師經常使用的程序，其中不少時間序列分析程序、統計程序、文件命令和繪圖命令與 MATLAB 語言相同。

 

優勢：

 

• 首先，目前沒有可用的魯棒性 Octave 編譯器，且沒有必要有，由於該軟件能夠免費安裝。

• Octave 和 Matlab 的語言元素相同，除了一些個例，如嵌套函數。Octave 仍然處於積極開發的狀態，每個偏離 Matlab 語法之處都被視爲 bug 或者至少是待解決問題。

• Octave 有不少可用工具箱，只要程序不要求圖輸出，那麼在不進行大量更改的前提下，使用 Octave 運行和使用 Matlab 運行差很少。

• 圖方面的能力是 Matlab 的優點。Matlab 最新版本包括 GUI 設計器，包含大量很棒的可視化特徵。

• Octave 使用 GNU Plot 或 JHandles 做爲圖程序包，JHandles 與 Matlab 中的圖程序包更接近一些。可是，Octave 不具有相似 GUI 設計器的組件，其可視化機制很受限且不與 Matlab 兼容。

• 集成開發環境也是相似的狀況：Octave 有一個 QTOctave 項目，但仍處於早期階段。

• Octave 社區的合做極可能幫助該軟件很快提供更好、更兼容的圖以及 GUI 能力。

 

缺點：

 

• 它只是 MATLAB 的免費開源版本，沒法帶給用戶新的東西。

 

 

 

下表列舉了數據科學家和機器學習工程師的經常使用工具，讀者能夠查看這些工具的流行度。

 

 

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