Комментарии 7
Спасибо, хороший материал!
Сам использую «mixOmix» для решения задач классификации и предпочтительнее PLS, а PCA для предварительной оценки.
Сам использую «mixOmix» для решения задач классификации и предпочтительнее PLS, а PCA для предварительной оценки.
Кто-нибудь может пояснить, есть ли какие-то приемущества у R+mlr3 перед python+pytorch/keras сейчас или в перспективе?
Это сравнение теплого с мягким. pytorch и keras реализуют конкретный класс моделей (нейросетки), а mlr3 организует инфраструктуру для решения задач машинного обучения в целом. На Питоне для этого есть scikit-learn.
а если просто сравнить пакеты Python и R, есть ли различия в удобстве и качестве?
Когда знаешь оба-два, различий особых нет. mlr3 крайне похож на scikit-learn; xgboost/lightgbm/catboost вообще одинаковые (внутри C++, на R и питоне только обертки, так что как минимум качество моделей при прочих равных различаться не должно). tensorflow/keras также через обертку можно заюзать в R, основное отличие будет в замене точки на $ для вызова методов. Вот пайторч пока не завезли, но и в этом направлении ведутся работы.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Машинное обучение на языке R с использованием пакета mlr3