Utilisation pratique de oop en R

Question

R prend en charge une large gamme de POO conçoit comme s3, s4, RC et d'autres par paquets, et il est un peu écrasante de décider qui à utiliser et une question plus fondamentale que j'ai quand et où utilisez-vous POO tout faire l'apprentissage de la machine ou des données analytiques, quelqu'un peut-il répondre à cette d'un point de vue scientifique praticien de données / ML.

Je suis au courant de la façon dont fonctionne la POO en R à un niveau superficiel, mais

dois-je investir du temps dans l'apprentissage de la POO en R? comment est-il pratique d'un point de vue de la science des données?

Answer 1

Je l'ai utilisé S3, S4 et R6 (vous avez oublié que l'un dans votre liste;)). Je suis d'accord avec Hadley Wickham que S3 est suffisant pour la plupart tâches . Toutefois, cela est uniquement nécessaire si vous commencez à construire des fonctions avancées qui fonctionnent sur des objets. Dites par exemple, vous construire un modèle avec une fonction et que vous souhaitez créer une summary et la fonction print pour l'objet retourné par votre fonction de construction de modèle. À des fins générales de données scientifiques, je dirais qu'il est utile de connaître les systèmes, mais aucun d'entre eux sont de très bons exemples de la POO réelle. Pour que je recommande au travail en Python, Ruby ou Java. Tous ont été construite avec POO à l'esprit.

En ce qui concerne la connaissance POO, je pense qu'il est vital pour une personne impliquée dans ML. Pas quand vous prototypage en R ou Python mais certainement lorsque vous commencez à travailler sur le code de production. Je pense que ce fil Quora donne une bonne course vers le bas quand POO devient important en ML.

Si votre accent est mis davantage sur les statistiques en R il peut être moins d'importance.