在R中实际使用OOP

Question

R通过包装支持各种OOP设计，例如S3，S4，RC和其他其他设计，决定要使用哪种方法有点不知所措，而我有一个更基本的问题是在进行机器学习时何时何地使用OOP或数据分析，有人可以从数据科学家/ML从业者的角度回答这一点。

我知道OOP在浅层级别的ROP如何工作，但是

我应该花时间在R中学习OOP吗？从数据科学的角度来看，这是多么实用？

Answer 1

我用过 S3, S4 和 R6 （您忘记了概述中的那个;）。我会同意哈德利·威克姆（Hadley Wickham） S3 是 足以满足大多数任务. 。但是，仅当您开始构建在对象上操作的高级功能时，才需要。例如，说您使用一个功能构建一个模型，您想创建一个 summary 和 print 模型构建功能返回的对象的功能。出于一般数据科学的目的，我会说知道系统有帮助，但它们都不是真正OOP的很好的例子。为此，我建议在Python，Ruby或Java工作。所有这些都考虑到了OOP。

关于了解OOP，我认为这对于参与ML的人至关重要。不是当您在R或Python中进行原型型，而是当您开始制作生产代码时。我认为 这个Quora线程 当OOP在ML中变得重要时，可以很好地降低。

如果您的重点更多地放在R中的统计信息上，则可能不太重要。