Vaya te querías hacer el listo con R y no te salió.
Te he dado la respuesta, velocidad y productividad, basada en trabajar con Mathlab a diario por más de diez años e intentarlo con R varias veces y es que no hay comparación (photoshop vs gimp) .
ya puedes ir a dormir que has aprendido algo nuevo hoy.
Espero que te sirva en un futuro.
#13 No te mates, el señor de las patatas no sólo tiene una actitud nazi con el software libre sino que cuando le llevas las contraria razonadamente te manda al ignore (supongo que para enriquecer el debate ). Para rizar el rizo le mete GNU a todo delante. Creo que a su novia virtual la llama GNU Cari.
Cuando ya llevas tiempo por aquí vas conociendo la fauna. ¡Ánimo!
#13 Las funciones de R base están compiladas en Fortran, C y C++ y el lenguaje en sí está pensado para operar de forma vectorizada, así que eso de que es lento no te lo compro del todo. Pero para hacerlo funcionar a una velocidad aceptable tienes que cambiar mucho el chip y si vienes de lenguajes más tradicionales (como los anteriores) cuesta mucho hacerte a esa forma de trabajar. Por ejemplo, un error que se suele cometer al empezar a usar R es utilizar bucles for para recorrerte un data frame y hacer alguna operación fila a fila. El problema es que el tiempo de llamada a la función compilada es alto y en un bucle for lo estás multiplicando por el número de iteraciones, mientras que en vectorización sólo haces una única llamada sobre todo el objeto (ya sea data frame, lista o vector).
En cuanto a productividad, también depende mucho del uso que le quieras dar. Creo que Matlab funciona muy bien para cuestiones puramente matemáticas (la librería de procesamiento de imagen también me parece buena) pero para tratamiento de datos y machine learning creo que R es infinitamente superior.
#36 Ejem, soy demasiado vago como para escribir un bucle que multiplique una matriz
En serio tienes razón en ello, pero haz una simple prueba, generar una matriz aleatoria de 1000 X 1000 y busca su inversa, la diferencia puede estar tranquilamente en 2X.
Sí, yo lo estaba enfocando puramente matemático, si añades en la ecuación ML, es otro debate, aquí no opino por que nunca he usado R y tal vez le
debería dar una oportunidad, en mi trabajo normalmente prototipamos los modelos en MathLab y los implementamos en ScyPY directamente o algún framework tipo Keras, PyTorch o Scikit-learn según llueva.
Donde R si es el rey indiscutible es en minería de datos, aquí creo que nadie lo va a poder negar, ahora mismo el es estandard a mucha distancia de cualquier otro.
#38 hace ya tiempo que no implemento algoritmos y me bajo tanto al barro, así que no tenía presente que pudiera tardar tanto en hacer esa operación. En mi portátil (un MacBook con algunos años encima) tarda de media un poquito más de dos segundos (con un simple solve). No sé cuánto puede tardar en Matlab, pero para ser matrices tan pequeñas a mi al menos me parece mucho.
Te he dado la respuesta, velocidad y productividad, basada en trabajar con Mathlab a diario por más de diez años e intentarlo con R varias veces y es que no hay comparación (photoshop vs gimp) .
ya puedes ir a dormir que has aprendido algo nuevo hoy.
Espero que te sirva en un futuro.
Cuando ya llevas tiempo por aquí vas conociendo la fauna. ¡Ánimo!
Edit:
Edit2: que bueno...creo que es que también tengo sueño. De ahí la “carcajada tonta”
En cuanto a productividad, también depende mucho del uso que le quieras dar. Creo que Matlab funciona muy bien para cuestiones puramente matemáticas (la librería de procesamiento de imagen también me parece buena) pero para tratamiento de datos y machine learning creo que R es infinitamente superior.
En serio tienes razón en ello, pero haz una simple prueba, generar una matriz aleatoria de 1000 X 1000 y busca su inversa, la diferencia puede estar tranquilamente en 2X.
Sí, yo lo estaba enfocando puramente matemático, si añades en la ecuación ML, es otro debate, aquí no opino por que nunca he usado R y tal vez le
debería dar una oportunidad, en mi trabajo normalmente prototipamos los modelos en MathLab y los implementamos en ScyPY directamente o algún framework tipo Keras, PyTorch o Scikit-learn según llueva.
Donde R si es el rey indiscutible es en minería de datos, aquí creo que nadie lo va a poder negar, ahora mismo el es estandard a mucha distancia de cualquier otro.