¿Cuáles son las ventajas y desventajas de usar R vs. C ++ para el aprendizaje automático?

C ++:

• Será (mucho) más rápido.
• Puede evitar las limitaciones de memoria (aunque puede ser complicado).

R:

• Probablemente ya tenga las funciones que desea incorporar.
• Probablemente sea más fácil.
• Tiene más código portátil. (Es fácil dar el código a cualquiera para que lo ejecute, sin preocuparse por las bibliotecas, etc.).
• Probablemente deba preocuparse menos por un error: usted mismo codificará menos.
• Puede ejecutar código escrito en C ++ en R.
• Los gráficos serán más fáciles de producir.

Jeremy Miles resumió casi todo lo que hay. También me gustaría agregar que hay un perfil más grande de bibliotecas para R dirigidas al aprendizaje automático que en C ++. En otras palabras, R ofrece una ventaja en términos del ecosistema cuando se trata del dominio en su pregunta.

Esto no responde a su pregunta, pero puede considerar usar Python. Ofrece lo mejor de ambos mundos. Puede trazar, obtener los beneficios de las bibliotecas y el ecosistema y también obtener rendimiento escribiendo las partes más lentas en C ++ e interactuando con Python.

C ++ gana si no planea escribir programas complejos que tendrán que adaptarse a los requisitos cambiantes. No es un lenguaje altamente productivo para la mayoría de las personas, pero puede obtener el mejor rendimiento de él.

R es bueno para los conjuntos de datos en memoria y ya tiene muchas baterías incluidas. Puede obtener resultados significativos en una tarde, sin tener que construir una gran cantidad de su propia infraestructura.

Por otra parte, usaría Clojure (con Java para las cosas que necesitan ser optimizadas).

Pros de R;

• bien armado para una gran cantidad de trabajo diferente
• bibliotecas avanzadas y en desarrollo
• lenguaje realmente flexible
• gran comunidad de usuarios

C ++

• por supuesto más rápido con el uso adecuado
• código difícil de manejar si estás centrado en las estadísticas.
• necesita más código para ser escrito
• si eres codificador es más sensato para ti.
• conveniente para usar en un producto desplegable

R es un proyecto de código abierto mantenido por el estadístico y el matemático. Además, cuenta con la mecánica elegante y ágil de la sintaxis y la interfaz abierta para el desarrollo secundario. Pero R carece de la excelente interfaz de usuario. Se requiere una sólida formación técnica y una buena experiencia para utilizar R bien. esProc es mucho mejor ya que es más fácil de usar con sintaxis ágil. Es similar a R. Pero puedes usarlo bien aunque no tengas una sólida formación técnica.

Machine Learning es una solución de recuadro negro, incluso si escribe todo el código usted mismo.
Conoce los datos y los resultados, pero no puede verificar el funcionamiento interno a mano.
La informática no es el problema, es tener los datos correctos, el modelo correcto y analizarlos correctamente.
Pasará la mayor parte de su tiempo comprobando los resultados y pensando en cómo podría mejorarse el modelo.
Si estuviera escribiendo una novela en un procesador de palabras, nunca pensaría “si mi procesador de textos fuera solo unos segundos más rápido, sería una novela mejor o se publicaría un minuto antes”.
Si usa paquetes en R o Python, estos serán desarrollados por expertos muy por encima de las habilidades de un codificador normal. Los paquetes habrán sido probados por miles de usuarios y las fallas corregidas. Si desarrolla su propio paquete en C ++, eventualmente obtendrá resultados basura dispersos unos segundos más rápido después de varios meses de tediosa programación.
Es una lectura cansada sobre cómo Python, R, etc. son lentos cuando lento no está definido. Ambos son muy rápidos en términos de su necesidad de ser rápidos y Python se basa en C y puede ejecutar código en C, etc.

Si bien no he usado R, me gustaría señalar esta discusión sobre los beneficios de C ++ para el aprendizaje automático:

• puede mapear el proceso de aprendizaje automático en un hardware diferente como GPU, FPGA y dispositivo de red
• puedes construir la estructura y algoritmos
• puede apuntar a dispositivos como teléfonos inteligentes y servidores en la nube con el mismo código

R es un lenguaje de programación de código abierto y un entorno de software para computación estadística y gráficos. El lenguaje R es ampliamente utilizado entre los estadísticos para desarrollar software estadístico y análisis de datos. No es C ++, y no es algo que incluso deba considerar usar para Machine Learning, solo use Lisp, Python o ProLog