本文作者是一位機器學習工程師，他比較了四種機器學習編程語言（工具）：R、Python、MATLAB 和 OCTAVE。作者列出了這些語言（工具）的優缺點，希望對想開始學習它們的人有用。
圖源：Pixabay.com
GitHub 地址：https://github.com/mjbahmani/10-steps-to-become-a-data-scientist
R 語言
R 是一種用於統計計算和圖的語言及環境。它是一個 GNU 項目，與貝爾實驗室的 John Chambers 及其同事開發的 S 語言及環境類似。R 可以視為 S 的一種不同實現。二者存在一些重要差異，但使用 S 寫的很多代碼在 R 下運行時無需修改。
優點：
-
端到端開發到執行（一些 brokers package 允許執行，IB）
-
開發速度快（比 Python 的代碼少 60%）
-
開源包多
-
成熟的量化交易包（quantstrat、quantmod、performanceanalyitics、xts）
-
社區最大
-
使用 rcpp 可以整合 R 和 C++/C
缺點：
-
比 Python 慢，尤其是在迭代循環和非向量化函數中
-
比 Matlab 繪圖差，難以實現交互式圖表
-
創建獨立應用程序的能力有限
Python
Python 是一種用於通用編程的解釋型高級編程語言，由 Guido van Rossum 創建並於 1991 年首次發布。Python 的設計強調代碼可讀性，使用了大量空格。它的結構使其在大規模和小規模編程中都能清晰明了。
優點：
-
端到端開發到執行（一些 brokers package 允許執行，IB）
-
開源包（Pandas、Numpy、scipy）
-
交易包（zipline、pybacktest、pyalgotrade）
-
最適合一般編程和應用程序開發
-
可連接 R、C++ 和其他語言的「膠水」語言
-
總體速度最快，尤其是在迭代循環中
缺點：
-
有一些不成熟的包，尤其是交易包
-
有些包與其他包不兼容或包含重疊
-
在金融領域的社區比 R 小
-
與 R 或 Matlab 相比，相同操作需要更多代碼
-
追蹤靜默錯誤（silent error）可能需要很長時間（即使使用可視化調試器/IDE）
MATLAB
MATLAB（matrix laboratory）是一種多范型數值計算環境。作為 MathWorks 開發的一種專用編程語言，MATLAB 允許矩陣運算、函數和數據繪圖、算法實現、用戶界面創建，以及與用其他語言（包括 C、C++、C#、Java、Fortran、Python）寫成的程序進行交互。
盡管 MATLAB 的設計初衷是數值計算，但其中的可選工具箱使用 MuPAD symbolic engine，具備符號計算能力。額外的包 Simulink 添加了圖多領域模擬和針對動態和嵌入系統的基於模型的設計。
優點：
-
最快的數學和計算平台，尤其是向量化運算／線性矩陣代數。
-
適合所有數學和交易領域的商業級軟件。
-
腳本簡短，但高度集成了所有包。
-
擁有圖和交互式圖表的最佳可視化
-
具備良好測試和支持。
-
易於管理多線程支持和垃圾收集
-
最好的調試器
缺點：
-
無法執行，必須轉換成另一種語言。
-
昂貴：每個 license 大約 1000 美元，每添加一個包需要額外支付 50+ 美元。
-
無法與其他語言很好地集成。
-
很難檢測出交易系統中的偏差（它是為數學和工程模擬而構建的），因此可能需要廣泛的測試。
-
糟糕的迭代循環性能。
-
無法開發單獨的應用。
Octave
Octave 可以看作是商業語言 MATLAB 的 GNU 版本，它是一種腳本矩陣語言（scripting matrix language），其語法有大約 95% 可與 MATLAB 兼容。Octave 由工程師設計，因此預裝了工程師常用的程序，其中很多時間序列分析程序、統計程序、文件命令和繪圖命令與 MATLAB 語言相同。
優點：
-
首先，目前沒有可用的魯棒性 Octave 編譯器，且沒有必要有，因為該軟件可以免費安裝。
-
Octave 和 Matlab 的語言元素相同，除了一些個例，如嵌套函數。Octave 仍然處於積極開發的狀態，每一個偏離 Matlab 語法之處都被視為 bug 或者至少是待解決問題。
-
Octave 有很多可用工具箱，只要程序不要求圖輸出，那么在不進行大量更改的前提下，使用 Octave 運行和使用 Matlab 運行差不多。
-
圖方面的能力是 Matlab 的優勢。Matlab 最新版本包括 GUI 設計器，包含大量很棒的可視化特征。
-
Octave 使用 GNU Plot 或 JHandles 作為圖程序包，JHandles 與 Matlab 中的圖程序包更接近一些。但是，Octave 不具備類似 GUI 設計器的組件，其可視化機制很受限且不與 Matlab 兼容。
-
集成開發環境也是類似的情況：Octave 有一個 QTOctave 項目，但仍處於早期階段。
-
Octave 社區的合作很可能幫助該軟件很快提供更好、更兼容的圖以及 GUI 能力。
缺點：
-
它只是 MATLAB 的免費開源版本，無法帶給用戶新的東西。
下表列舉了數據科學家和機器學習工程師的常用工具，讀者可以查看這些工具的流行度。
原文鏈接：https://towardsdatascience.com/r-vs-python-vs-matlab-vs-octave-c28cd059aa69