-
16-10-2019 - |
質問
Rはパッケージを介してS3、S4、RCなどの幅広いOOPデザインをサポートしています。どちらを使用するかを決定するのは少し圧倒的です。またはデータ分析、誰かがデータサイエンティスト/ML開業医の観点からこれに答えることができます。
私はoopが表面的なレベルでRでどのように機能するかを知っていますが、
RでOOPの学習に時間を費やす必要がありますか?データサイエンスの観点からどれほど実用的ですか?
解決
利用した S3
, S4
と R6
(あなたはあなたの概要でそれを忘れていました;))。ハドリー・ウィッカムに同意します S3
は ほとんどのタスクで十分です. 。ただし、これは、オブジェクトで動作する高度な関数の構築を開始する場合にのみ必要です。たとえば、1つの関数でモデルを作成し、作成したいとします summary
と print
モデル構築機能によって返されるオブジェクトの関数。一般的なデータサイエンスの目的では、システムを知るのに役立つと思いますが、それらのどれも実際のOOPの非常に良い例ではありません。そのためには、Python、Ruby、またはJavaで作業することをお勧めします。すべてがOOPを念頭に置いて構築されています。
OOPを知ることに関しては、MLに関わっている人にとっては重要だと思います。 RまたはPythonでプロトタイプをしているときではなく、間違いなく生産コードの作業を開始します。おもう このQuoraスレッド MLでOOPが重要になったときに良いランダウンを与えます。
Rの統計に焦点を当てている場合、それほど重要ではないかもしれません。
所属していません datascience.stackexchange