将R与Matlab进行数据挖掘比较

Question

将R与Matlab进行数据挖掘比较

rmatlabmachine-learningdata-mininglanguage-comparisons

35

最近我开始学习R语言而不是直接开始使用Matlab编码，主要是因为R是开源的。目前我在数据挖掘和机器学习领域中工作。我发现许多机器学习算法都已在R中实现，我仍在探索R中不同的软件包。

我有一个快速问题：你如何比较R和Matlab在数据挖掘应用中的流行度、优缺点以及在行业和学术界中的接受程度等方面？你会选择哪一个，为什么？

我研究了Matlab与R在各种指标上的比较，但我特别想知道它们在数据挖掘和机器学习中的适用性。由于这两种语言对我来说都很新，所以我想知道R是否是一个好的选择。

我感激任何形式的建议。

- iinception

请参见：https://dev59.com/bHA75IYBdhLWcg3wv77A - Matti Pastell

8个回答

9

请查看CRAN任务视图，特别是关于机器学习和统计学习的CRAN任务视图，这篇文章总结得很好。

- Dirk Eddelbuettel

2

无论是Matlab还是R，如果你需要进行矩阵运算，它们都是很好的选择。因为它们可以使用高度优化的低级代码（如BLAS库等）来进行操作。

然而，数据挖掘不仅仅是处理矩阵。很多人完全忽略了数据挖掘中的整个数据组织方面（相对于普通的机器学习）。一旦你涉及到数据组织，R和Matlab就会变得非常麻烦。尝试在R或Matlab中实现一个R *树，以将O（n ^ 2）算法降至O（n log n）运行时间。首先，这完全违反了R和Matlab的设计原则（尽可能使用批量数学运算），其次，这将导致性能下降。例如，解释型的R代码似乎以C代码速度的50％左右运行（尝试使用R内置k-means与flexclus k-means进行比较）；而BLAS库的优化水平已经达到了疯狂的程度，利用缓存大小，数据对齐，高级CPU功能等等。如果你想尝试一下，可以在R或Matlab中手动实现矩阵乘法，并将其与本地方法进行基准测试。

别误会了。有很多东西，R和Matlab只是“优雅”和“极好的原型设计工具”。你可以用只有10行代码就解决很多问题，并且得到不错的性能。手动编写相同的代码可能需要数百行，而且可能会慢10倍。但是，有时候你可以通过增加一些复杂度来进行优化，在大数据集上做到比R和Matlab的优化矩阵运算更好。

如果你想扩展到“Hadoop规模”，则在长期内你必须考虑数据布局和组织，除非你只需要对数据进行线性扫描。但是，这种情况下，你也可以选择采样！

- Has QUIT--Anony-Mousse

1

我们不应该忘记这两个软件的起源来源：科学计算和信号处理导致了Matlab，而统计学则导致了R。

我在大学里经常使用Matlab，因为我们在Unix上安装了一个并向所有学生开放。然而，与免费的R相比，Matlab的价格太高了。如果你的主要关注点不是矩阵计算和信号处理，那么R应该能满足你的需求。

- Leo5188

1

昨天我发现了两本关于数据挖掘的新书。这些书系列名为“数据挖掘”，通过深入描述新型挖掘算法和许多有用的应用来满足需求。除了深入理解每个部分外，这两本书还提供了有用的提示和策略来解决以下章节中的问题。数据挖掘技术的进步和大众的普及建立了对该主题全面文本的需求。这些书是：“数据挖掘中的新基础技术”（链接1）和“以知识为导向的数据挖掘应用”（链接2）。这些都是开放获取的书籍，所以您可以免费下载或像我一样在在线阅读平台上阅读。干杯！

- Jonny

1

我认为这也取决于你所在的研究领域。我知道沿海研究中有很多人使用Matlab。在这个群体中使用R会让你的生活更加困难。如果同事用Matlab解决了一个问题，你就不能使用它，因为他是用Matlab修复的。

- Paul Hiemstra

0

当你处理大量数据时，我也会关注每个工具的能力。我知道R在这方面可能会有问题，如果你习惯于迭代式数据挖掘过程，它可能会很受限制。例如，同时查看多个模型。我不知道MATLAB是否有数据限制。

- Ralph Winters

-1

我承认在数据挖掘问题上更喜欢使用MATLAB，并在此提供一些我的理由：

为什么选择MATLAB进行数据挖掘？

我承认只对R/S-Plus有一定的了解，但我会做出以下观察：

R明显比MATLAB更注重统计学。我更喜欢在MATLAB中构建自己的工具，这样我就可以确切地知道它们在做什么，并且可以自定义它们，但这在MATLAB中更像是必需品，而在R中则不是。
新的统计技术代码（空间统计、鲁棒统计等）通常会在S-Plus中早期出现（我认为这至少也适用于R）。
几年前，我发现商业版的R，即S-Plus，在处理数据方面的能力极其有限。我无法确定R/S-Plus的现状如何，但您可能需要检查一下您的数据是否适合这些工具。

- Predictor

3

S-Plus不是“R的商业版本”。 - Marek

7

通常新的统计技术先是用R编写，然后再移植到S-Plus。 - hadley

2

R有许多处理数据和不同数据结构的方法。主要方法在内存中，但也可以读取行/块、直接使用数据库接口、各种不同的文件类型和HPC结构来处理“大”数据。 - Jay

1

这在很大程度上取决于你使用的“列”类型、数据处理方式、硬件等等。给出一个非常粗略的答案，我处理过具有10到100个变量的100万至1000万个案例时没有遇到问题...但我不确定这个答案有多有意义。R是免费的，可以试试。如果熟悉matlab，应该没问题。甚至有一个matlab仿真包，可以模拟一些常用的语法。 - Jay

我曾经处理过35GB的数据集，试图从中估计协方差矩阵。最终我采用分块读取数据的方式。因此，我认为能够处理大型数据集也是正确编程的一个方面。至于S-plus，他们正在采用R包装系统。我认为这已经足以说明谁在统计技术方面处于领先地位了 :）。 - Paul Hiemstra

显示剩余4条评论

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- doug · Accepted Answer

过去三年左右，我每天都使用R语言，其中大部分时间用于机器学习/数据挖掘问题。

在大学期间，我是Matlab的独占用户；那时我认为它是一套非常好的工具/平台。我相信今天它仍然如此。

神经网络工具箱、优化工具箱、统计工具箱和曲线拟合工具箱对于使用MATLAB进行ML/Data Mining工作的人来说都是非常理想（如果不是必需的），但它们都是与基本的MATLAB环境分离的--换句话说，它们必须单独购买。

我关于在R中学习ML/Data Mining的前五名列表：

在R中挖掘关联规则

这涉及到几个方面：首先，一组以 arules 开头的 R 包（可从 CRAN 获取），您可以在项目主页上找到完整列表（例如 arules、aruluesViz 等）。其次，所有这些包都基于一种数据挖掘技术，称为 Market-Basked Analysis 或 Association Rules。在许多方面，这类算法是数据挖掘的本质——穷尽地遍历大型交易数据库，并在其中的字段（变量或特征）之间查找高于平均水平的关联或相关性。在实践中，您将它们连接到数据源并让它们运行过夜。上述套装中的中心 R 包称为 arules；在 CRAN 包页面上，您将找到有关 arules 包和一般 Association Rules 技术的一些优秀次要来源（R 词汇表中的 vignettes 的链接）。

标准参考书是 Hastie 等人的 TThe Elements of Statistical Learning。

这本书的最新版本可以以数字形式免费获取。同样在书的网站上（链接如上），ESL使用的所有数据集都可以免费下载。（顺便说一句，我有免费的数字版本；我也从BN.com购买了精装版；数字版本中的所有彩色图都复制到了精装版中）。ESL包含对大多数主要ML模板中至少一个示例的全面介绍--例如，神经网络、SVM、KNN；无监督技术（LDA、PCA、MDS、SOM、聚类）、许多回归的变化、CART、贝叶斯技术，以及模型聚合技术（Boosting、Bagging）和模型调整（正则化）。最后，从CRAN获取随书附带的R软件包（这将节省下载数据集的麻烦）。

CRAN任务视图：机器学习
R可用的3,500多个软件包按领域分为约30个软件包系列或“Task Views”。机器学习是其中之一。机器学习任务视图包含大约50个软件包。其中一些软件包是核心发行版的一部分，包括e1071（一个庞大的ML软件包，包括相当多的通常的ML类别的工作代码）。

Revolution Analytics Blog

特别关注标记为预测分析的帖子

R中的ML教程，由Josh Reich提供的幻灯片和R代码组成

仔细研究这些代码本身就是R中ML的出色介绍。

最后还有一个我认为很好的资源，但没有进入前5：

机器学习（在R中）入门指南

发布在博客A Beautiful WWW上