熱線電話：13121318867

登錄
首頁精彩閱讀數據科學家：那些年，我都學過哪些編程語言......
數據科學家：那些年，我都學過哪些編程語言......
2018-10-25
收藏


作者: Elena Nisioti
編譯: Mika
本文為 CDA 數據分析師原創作品，轉載需授權
 
我們對事物的看法各不相同，有時他人特別喜歡的語言可能會成為另一個人的的噩夢。而我個人的噩夢是用C語言進行日常的編程工作。
本文就介紹了作為數據科學家，我在職業生涯中所學過的語言，其中包括MATLAB、Weka、R、C ++以及Python。
數據科學是一個廣泛的領域，從業者來自各種專業背景，如經濟學，生物學和語言學等等。盡管數據科學最初源于統計領域，但它很快覆蓋了計算機科學領域，如今數據科學已成為了必不可少的工具。
因此，用于數據科學的編程語言的發展就像宇宙一樣：可能窮其一生都難以完全探索，并且還在不斷擴展。
眾所周知，語言的通用性、用途和復雜性需要權衡利弊。因此，一門語言的流行程度僅應作為當前趨勢的一個指標，而不是決定你選擇的因素。歸根結底，這是涉及到應用、經驗和個人偏好的問題。
 
MATLAB
通過吳恩達的機器學習課程，我開始接觸機器學習領域。如果你也想學習機器學習，這是一個很不錯的選擇。
雖然當時Python和R語言更受歡迎，但吳恩達在課程中選擇了MATLAB。當時我并沒有覺得有什么困擾，但如今看來有些奇怪。數據科學課程的側重點應該在于如何進行數據分析，而不是使用某種語言進行分析。
吳恩達在這門課程中選擇了比較通用的MATLAB語言，原因之一在于該課程的受眾主要是計算機專業的科學家和工程師，他們已經很熟悉MATLAB了。而且該課程的重點是，在不使用庫的情況下實現學習算法，因此MATLAB與任何專業語言一樣出色。
雖然我很推崇自動化工具和便捷型庫，但在開始進入數據科學領域時，自己動手這一點也是十分重要的。
MATLAB不缺少執行各種數據分析和機器學習任務的庫。對于信號處理和控制工程師等人來說，它是首選框架。
但不難理解為什么MATLAB征服數據分析領域，畢竟它不開源，且非常昂貴的工具。至于Octave，雖然開源且能兼容MATLAB代碼，但性能卻遠遠不及MATLAB。
 
 
WEKA
我學習Weka的經歷是短暫的。在大學時期，Weka作為我完成模式識別課程作業一種工具。
通過這個課程，我得到最有價值的教訓是：GUI對數據科學家的影響是深遠的。Weka以其易用性和可理解性引以為豪，并聲稱只需加載數據集并按下按鈕就可以輕松訓練機器學習模型。這當中的益處也是顯而易見的，畢竟當時市場對預測模型的需求很大，而且能夠滿足這種需求的人才并不多。
尋找自動化工具并使用得出解決方案是當前的研究領域，即AutoML，但我們花了幾年時間，并經歷過大量失敗才意識到，這一過程離不開人類的參與。
在上世紀90年代末，那種認為沒有充分理解數據就能構建模型的幻想破滅了。自動化工具能夠簡化我們的工作，發現算法的良好參數化、實用的預處理步驟以及高效的測試管道。但它們不能替代人類專家，至少以我們目前的專業水平。
總而言之，你應該對你創建的模型負責。
 
R語言
在我的畢業論文中，我深入研究并探索了R語言的特性和奧妙。你可能聽說過，R語言是數據分析語言家族中的一個特殊的語言。R語言學習起來并不容易，這需要一個學習過程，在剛開始學習時我常常會感到自我懷疑和迷失方向的感覺。
我們的目標是創建能夠自動執行機器學習實驗的軟件工具。R更像是一種目的，而不是一種手段，因為我們希望通過使用豐富的R語言庫對機器學習技術進行廣泛的研究。
當時我想要構建完整的框架，并且在畢業設計中利用面向對象編程，因此必須解決的第一個問題是：R語言是否支持面向對象？答案是肯定的。實際上，它有四種不同的方式。這些都與我在C ++，Java或Python中遇到的面向對象編程并不相同。
R語言還提供了許多方便的工具，例如data.frames，它能夠輕松捕獲數據集的特征和需求。但是，R語言中也有一些的技術性問題讓我感到頭疼。RStudio是R的免費UI，當繪圖不適合其平面時，就會引發運行時錯誤等等。
雖然我再也不會嘗試用R語言中從頭開始構建框架，但R語言提供的大量軟件包可以助你進行可視化和預處理，這些都是很不錯的優勢。
 
 
C++
現在你肯定會問，為什么要用C ++進行數據分析？為什么有人這樣做？
暑期我曾在一家公司實習，該公司用的就是C ++，我猜測公司也許是考慮到傳統和商業的結合，因此選擇了能夠高效執行的代碼。
盡管如此，我仍決定使用R語言。在實習結束時，我再將模型和函數轉移到C ++。由于有各種圖表和出眾的預處理技術，R語言也引起了公司里用C ++做數據分析的人的注意，一些同事甚至對R感興趣并開始嘗試它。
在獲得滿意的結果后，通過使用簡單的R包用于PCA和支持向量機，我嘗試將模型合并到龐大的C ++框架中。libsvm 軟件包很適合這種情況，并能提供與支持向量機相關的操作。
如今，當你想要跨語言轉移機器學習模型時，存在很多選擇。比如你可以轉移數學模型，即算法的參數化，然后通過跨庫轉換模型文件，或使用包跨語言進行交互。
我發現，簡單地使用相同的參數化是不夠的。雖然算法保持不變，比如具有高斯核的SVM， 不同的實現可能采用不同的數學模型，因此需要不同的參數集。即使模型保持不變，特定的實現因素也會嚴重影響模型的性能，因此需要不同的參數化。
最合適的方式是使用rcpp，一個能連接C ++框架和R腳本的包。一些軟件包也支持兩種不同語的庫之間的兼容性，但很少用于這種情況。
 
Python
我和現任主管之間曾有過這樣的對話：
—— 在未來的工作中你打算使用哪種語言？
——我想我會用Python。
——你曾用過Python嗎？
——不，我用過很多語言，我對Python有不錯的預感。
很高興我說服了他，如今我使用Python進行數據分析十分舒心。易于設置實驗，附加功能以及豐富的庫帶來的便利性讓我的工作非常順利。雖然我主要自己編寫代碼，但到目前為止，我常常通過OpenAI Gym 來定義強化學習實驗環境。同時還有TensorForce，這是一個擴展TensorFlow的庫，能提供了大量的強化學習算法。
不過，我的意思并不是指Python就是無敵的。程序員不應該局限于某種語言，而是應該不斷地嘗試。因此，下次當你遇到新數據集時，不要害怕嘗試新的軟件。就算失敗了，你也會從中有所收獲。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

R語言 機器學習 數據分析 支持向量機 SVM PCA 特征

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇面對數據科學人才的巨大缺口，我們該如何提升自身技能
下一篇一名合格的數據分析師需要掌握的技能包括哪些？
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢