[[187351]]

為了鼓勵新工具的出現(xiàn)，機器學(xué)習(xí)和數(shù)據(jù)分析領(lǐng)域似乎已經(jīng)成了“開源”的天下。Python 和 R 語言都具有健全的生態(tài)系統(tǒng)，其中包括了很多開源工具和資源庫，從而能夠幫助任何水平層級的數(shù)據(jù)科學(xué)家展示其分析工作。

機器學(xué)習(xí)和數(shù)據(jù)分析之間的差異有些難以言明，但二者最主要的不同就在于，比起模型的可解釋性，機器學(xué)習(xí)更加強調(diào)預(yù)測的準(zhǔn)確性;而數(shù)據(jù)分析則更加看重模型的可解釋性以及統(tǒng)計推斷。Python ，由于更看重預(yù)測結(jié)果的準(zhǔn)確性，使其成為機器學(xué)習(xí)的一把利器。 R ，作為一種以統(tǒng)計推斷為導(dǎo)向的編程語言，在數(shù)據(jù)分析界也得到廣泛應(yīng)用。

當(dāng)然，這并不代表二者只能在各自的一個領(lǐng)域中得到應(yīng)用。Python 也可以高效地完成數(shù)據(jù)分析工作，R 在機器學(xué)習(xí)中也具有一定的靈活性。它們都擁有相當(dāng)多的資源庫去實現(xiàn)彼此特定的函數(shù)功能，比如 Python 就有很多資源庫來提高自己統(tǒng)計推斷的能力，R 也有很多包可以提升預(yù)測的準(zhǔn)確率。

Python 中關(guān)于機器學(xué)習(xí)和數(shù)據(jù)分析的包

雖然 Python 本身就更傾向于機器學(xué)習(xí)， 但它還是有很多包可以進一步優(yōu)化這一屬性。PyBrain 是一個模塊化的機器學(xué)習(xí)資源庫，其中包含很多有效的算法可以滿足機器學(xué)習(xí)任務(wù)的需要。除了很多直觀靈活的算法，這個資源庫還內(nèi)置很多環(huán)境可以用來檢驗和比較這些機器學(xué)習(xí)算法的效果。

Scikit-learn 可能是 Python 最受歡迎的機器學(xué)習(xí)資源庫了?；?Numpy 和 Scipy ，scikit-learn 提供大量用于數(shù)據(jù)挖掘和分析的工具，從而提高了 Python 本就出色的機器學(xué)習(xí)可用性。NumPy 和 SciPy 各自為戰(zhàn)，雖然它們是 Python 中數(shù)據(jù)分析的核心部分，但數(shù)據(jù)分析家更可能僅僅原生地去使用它們，而不是基于一個更高的角度。 Scikit-learn 卻將二者結(jié)合成為一個機器學(xué)習(xí)資源庫，同時也降低了大家的學(xué)習(xí)門檻。

在數(shù)據(jù)分析領(lǐng)域，Python 也因幾個庫而包受推崇。 作為其中最為著名的庫之一，Pandas 為 Python 提供了高性能處理的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。如同其他很多 Python 的庫一樣，從你著手一個新項目到真正做些有價值的工作這過程的時間將會因它大大縮短。如果你執(zhí)著于 Python 同時又希望使用 R 的功能， RPy2 庫能夠提供所有 R 的主要功能，并給你一個 R 在 Python 中使用的流暢化體驗。

R 中關(guān)于機器學(xué)習(xí)和數(shù)據(jù)分析的包

就像 Python 一樣，R 也擁有大量的包來提升它的表現(xiàn)。要想在機器學(xué)習(xí)領(lǐng)域媲美 Python，R 中的 Nnet 包具有快速構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的能力。通過提供一系列函數(shù)來提升所構(gòu)建模型的有效性，Caret 包也可以加強 R 在機器學(xué)習(xí)的能力。

就 R 在數(shù)據(jù)分析領(lǐng)域的表現(xiàn)，仍然有很多包可以用來提升它本就出色的能力。不管是建模前的準(zhǔn)備，建模，以及建模后的分析工作，R 都有很多包可以勝任。這些包大多專門用來完成特定的任務(wù)，比如數(shù)據(jù)的可視化，連續(xù)變量回歸和模型驗證。

兩種編程語言都擁有如此多交叉功能的資源庫和包，你會選擇哪種編程語言作為伴你在數(shù)據(jù)戰(zhàn)場廝殺的武器呢?

在機器學(xué)習(xí)和數(shù)據(jù)分析中的 Python

[[187354]]

如果你已經(jīng)有一些編程的基礎(chǔ)了，Python 可能更加適合你。相較于 R ，Python 的語法結(jié)構(gòu)與其他編程語言更加類似，便于上手。此外，就像是口頭語一樣， Python 代碼的可讀性也是無人能及的。這種代碼的可讀性更加強調(diào)提高生產(chǎn)力，而 R 非標(biāo)準(zhǔn)的代碼可能會導(dǎo)致在編程進程中的磕絆。

Python 是一種很靈活的編程語言，所以如果你打算把已經(jīng)完成的機器學(xué)習(xí)或者數(shù)據(jù)分析的項目移植到其他領(lǐng)域，那么使用 Python 可以使你不必再去學(xué)習(xí)新的編程語言。

Python 的靈活性也使得它非常適用于生產(chǎn)。舉個例子，當(dāng)數(shù)據(jù)分析的任務(wù)需要與 Web 應(yīng)用程序相整合的時候，你仍然可以使用 Python 且不需要和其他編程語言相整合。而雖然 R 是一個很好的數(shù)據(jù)分析的工具，但它在數(shù)據(jù)分析之外的領(lǐng)域卻有所限制。

如果你剛?cè)腴T編程，對那些“標(biāo)準(zhǔn)化”的語法并不熟悉，那么無論哪種編程語言的學(xué)習(xí)曲線對你而言都差不多。但要是你希望跨過機器學(xué)習(xí)和數(shù)據(jù)分析的門檻，Python 可能是更好的選擇。特別是 Python 有 scikit-learn 庫的加持。這個庫表現(xiàn)良好且更新頻繁。 R 可能有很多包，但顯得有些零亂且一致性較差。

在機器學(xué)習(xí)和數(shù)據(jù)分析中的 R

[[187355]]

目前， R 主要是用在科研和調(diào)查工作中。然而，隨著 R 逐漸擴展到商業(yè)領(lǐng)域，這一現(xiàn)狀也開始得到改變。 R 是由統(tǒng)計學(xué)家所創(chuàng)造出來的，因此它可以很輕易地管理基本的數(shù)據(jù)結(jié)構(gòu)。給數(shù)據(jù)打標(biāo)簽，填充缺失值，篩選等等這些對于 R 而言很容易就可以實現(xiàn)，R 也更加強調(diào)易于操作的數(shù)據(jù)分析，統(tǒng)計和圖形化模型工作。

由于 R 是作為統(tǒng)計性的編程語言而構(gòu)建的，因此它具有很好的統(tǒng)計方面的支持。它能夠很好地展現(xiàn)統(tǒng)計學(xué)家的思維，所以如果你具有統(tǒng)計背景的話，用起來會很順手。諸如像 statsmodels 包能夠基本覆蓋 Python 中的統(tǒng)計模型，而且 R 中與統(tǒng)計模型相關(guān)的包功能會更加強大。對于剛?cè)腴T的程序員， R 只需要寫幾行代碼就能夠構(gòu)建模型了，這樣一來，它會比 Python 更容易解釋一些。

R 中與 Python 的 pandas 庫功能最為接近的大概就是 dplyr 包了，只不過它會比 pandas 庫限制得更多。雖然這聽起來不太好，但實際上使用 dplyr 包時會促使你更專注于尋求問題的解決之道，而且 dplyr 包的代碼也比 pandas 庫更容易理解。

選擇你自己的編程語言吧

R 最大的問題在于一致性不夠好。其中的算法流程被分成三塊，使得它們相對而言不夠統(tǒng)一。你不得不學(xué)習(xí)新的方法來建模并用新的算法來做預(yù)測，伴隨這個過程，結(jié)果的有效性將會明顯下降。你需要理解每個包是怎么用的，同樣地，R 中包的幫助文檔由于不夠完整，一致性也不好。

不過，要是你需要一個數(shù)據(jù)分析的工具用于學(xué)術(shù)， R 絕對可以勝任這項工作。 Python 則被廣泛地用于商業(yè)也更便于協(xié)作，不過 R 也越來越得到重視了。不管是日常的使用和機器學(xué)習(xí)，還是通過和 R 一般眾多的包來做數(shù)據(jù)分析， Python 都能做到，因此也更推薦使用 Python 。

如果你對 R 還比較陌生，不如學(xué)習(xí) Python 并通過 RPy2 包來實現(xiàn) R 的功能。 這樣一來，你就可以在一種編程語言里同時使用二者的功能，而且由于很多公司已經(jīng)開發(fā)了在 Python 中使用的生產(chǎn)系統(tǒng)， Python 可謂生產(chǎn)力高效。這點在 R 中就不適用了。一旦你學(xué)會了 RPy2 ，再想跳到 R 里面并沒有那么復(fù)雜，不過反過來就相對而言困難得多了。

不管你想解決什么類型的問題， Python 和 R 都有功能相近的資源庫可以使用。每種編程語言都有很多的分支、模塊、集成開發(fā)環(huán)境和算法，以至于你難以出什么大的紕漏。不過要是你希望使用一個靈活性強，擴展性好，多功能又能勝任機器學(xué)習(xí)和數(shù)據(jù)分析工作的編程語言， Python 或許是明智之選。