uso pratico della oop in R

Question

R supporta una vasta gamma di OOP disegni come S3, S4, RC e gli altri tramite pacchetti, ed è un po 'opprimente per decidere quale utilizzare e una domanda più fondamentale che ho è quando e dove si usa OOP mentre facendo apprendimento automatico o dati di analisi, qualcuno può rispondere questo da uno scienziato di dati / ML punto di vista medico.

Sono consapevole di come OOP lavora in R a livello superficiale, ma

dovrei investire tempo nell'apprendimento OOP in R? come pratico è da un punto di vista scientifico i dati?

Answer 1

Ho usato S3, S4 e R6 (si sono dimenticati che uno nella vostra panoramica;)). Sono d'accordo con Hadley Wickham che S3 è sufficienti per la maggior parte compiti . Tuttavia, questo è necessaria solo se si avvia la costruzione di funzioni avanzate che operano su oggetti. Dire per esempio si costruisce un modello con una funzione e si desidera creare una summary e la funzione print per l'oggetto restituito dalla vostra funzione modello di edificio. Per scopi generali Science Data direi che è utile conoscere i sistemi, ma nessuno di loro sono molto buoni esempi di vera e propria programmazione orientata agli oggetti. Per questo mi sento di raccomandare a lavorare in Python, Ruby o Java. Tutti sono state costruite con OOP in mente.

Per quanto riguarda la programmazione orientata agli oggetti sapere, penso che sia di vitale importanza per qualcuno coinvolto in ML. Non quando si è in prototipazione R o Python, ma sicuramente quando si inizia a lavorare sul codice di produzione. Credo che questa discussione Quora dà una buona corsa verso il basso quando OOP diventa importante in ML.

Se il vostro obiettivo è più sulle statistiche di R può essere di minore importanza.