C(或C++)中的数据科学
我是一个R语言程序员。我也是一群被认为是数据科学家但来自CS以外的学术领域的人。
这在我作为数据科学家的角色中效果很好，但是，从R开始我的职业生涯，并且只对其他脚本/web语言有基本的知识，我觉得在两个关键的领域都有不足：
- 缺乏扎实的编程理论知识。
- 缺乏在更快和更广泛使用的语言(如
C、C++和Java)方面的竞争力水平，这些语言可以用来提高流水线和大数据计算的速度，以及创建DS/data产品，这些产品可以更容易地开发成快速的后端脚本或独立应用程序。
当然，解决方案很简单--去学习编程，这就是我通过注册一些类(目前是C编程)所做的事情。
然而，现在我开始讨论上面的问题#1和#2，我不得不问自己“C和C++这样的数据科学语言有多可行？”
例如，我可以非常快地移动数据并与用户进行很好的交互，但是高级回归、机器学习、文本挖掘和其他更高级的统计操作怎么办？
所以。C能做这个工作吗？--有哪些工具可以用于高级统计、ML、AI和其他数据科学领域？或者我一定要因为调用C脚本或其他语言而丧失在R中编程所获得的大部分效率吗？
到目前为止，我在C中找到的最好的资源是一个名为鲨鱼的库，它使C/C++能够使用支持向量机、线性回归(不是非线性回归和其他高级回归，如多项式概率等)和其他(很好的)统计函数的候选列表。
回答 12
Data Science用户
发布于 2015-03-21 21:58:34
或者，我一定要因为调用R脚本或其他语言而丧失C语言编程所获得的大部分效率吗？
相反:学习C/C++来编写R扩展。只对新算法的性能关键部分使用C/C++，使用R构建分析、导入数据、绘制图表等。
如果您想超越R，我建议您学习Python。有许多可用的库，如用于机器学习算法的科学知识-学习或用于构建神经网络的PyBrain等(并使用pylab/matplotlib绘图，使用iPython笔记本开发您的分析)。同样，C/C++在实现作为Python扩展的时间关键算法方面也很有用。
Data Science用户
发布于 2015-08-15 18:52:20
我同意当前的趋势是使用Python/R并将其绑定到一些C/C++扩展来执行计算开销较大的任务。
但是，如果您想留在C/C++中，您可能想看看德利卜：
Dlib是一个通用的跨平台C++库，它使用契约编程和现代C++技术设计.它是开源软件，并在Boost软件许可下获得许可。
Data Science用户
发布于 2015-04-09 12:21:08
正如Andre所说，用C/C++扩展扩展R是利用双方优势的一个非常好的方法。此外，您还可以使用逆函数，使用C++和用RInside包o对R进行局部调用，在这里您可以找到
http://cran.r-project.org/web/packages/RInside/index.html http://dirk.eddelbuettel.com/code/rinside.html
一旦您在C++中工作，您就有了许多库，其中许多库都是为特定的问题构建的，还有一些更通用的库。
http://www.shogun-toolbox.org/page/features/ http://image.diku.dk/shark/sphinx_pages/build/html/index.html
http://mlpack.org/
https://datascience.stackexchange.com/questions/5357
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号