Практическое использование ООП в r

Question

R поддерживает широкий спектр дизайнов ООП, таких как S3, S4, RC и другие через пакеты, и немного ошеломляюще решать, что использовать, и более простой вопрос, который у меня есть, когда и где вы используете ООП, выполняя машинное обучение или аналитика данных, может ли кто -нибудь ответить на это с точки зрения ученых данных/ML.

Я знаю, как работает OOP на R на поверхностном уровне, но

Стоит ли инвестировать время в обучение ООП в R? Насколько это практично с точки зрения науки о данных?

Answer 1

я использовал S3, S4 а также R6 (Вы забыли об этом в своем обзоре;)). Я бы согласился с Хэдли Уикхэмом, что S3 является Достаточно для большинства задач. Анкет Тем не менее, это требуется только в том случае, если вы начнете создавать расширенные функции, которые работают на объектах. Скажите, например, вы создаете модель с одной функцией и хотите создать summary а также print Функция для объекта, возвращаемого вашей функцией построения модели. В целях общей науки данных я бы сказал, что это помогает узнать системы, но ни один из них не является очень хорошим примером реального ООП. Для этого я бы порекомендовал работать в Python, Ruby или Java. Все были построены с учетом ООП.

Что касается знания ООП, я думаю, что это жизненно важно для кого -то, кто участвует в ML. Не тогда, когда вы прототипируете в R или Python, но определенно, когда вы начинаете работать над производственным кодом. Я думаю эта нить Quora Дает хороший бег, когда ООП становится важным в ML.

Если вы сосредоточены больше на статистике в R, это может быть менее важно.