Co MATLAB może zrobić, czego R nie może zrobić? [zamknięte]

R jest środowiskiem do analizy danych statystycznych i Grafiki. Początki MATLAB są w obliczeniach numerycznych. Implementacje języka podstawowego mają wiele wspólnych cech, jeśli używasz ich do manipulacji danymi (np. operacje macierzowe/wektorowe).

R ma funkcjonalność statystyczną, którą trudno znaleźć gdzie indziej (>2000 pakietów na CRAN), i korzysta z niej wielu statystyków. Z drugiej strony, MATLAB ma wiele (drogich) skrzynek narzędziowych do zastosowań inżynierskich jak

• przetwarzanie obrazu / akwizycja obrazu,
• Konstrukcja filtra,
• Fuzzy logic / fuzzy control,
• Równania różniczkowe cząstkowe,
• itd.

Używałem zarówno R jak i MATLAB do rozwiązywania problemów i konstruowania modeli związanych z inżynierią środowiska i istnieje wiele nakładania się obu systemów. Moim zdaniem zalety MATLAB leżą w wyspecjalizowanych aplikacjach specyficznych dla domeny. Niektóre przykłady to:

• Funkcje takie jak usprawnienie, które pomagają w badaniach dynamiki płynów.

• Skrzynki narzędziowe, takie jak zestaw narzędzi do przetwarzania obrazu. Nie znalazłem pakietu R, który zapewnia równoważna implementacja narzędzi takich jak algorytm watershed.

Moim zdaniem MATLAB zapewnia znacznie lepsze możliwości grafiki interaktywnej. Myślę jednak, że R produkuje lepszą statyczną grafikę o jakości druku, w zależności od aplikacji. Symboliczny zestaw narzędzi matematycznych MATLAB jest również lepiej zintegrowany i bardziej wydajny niż odpowiedniki R, takie jak Ryacas lub rSymPy. Istnienie kompilatora MATLAB pozwala również na wdrożenie systemów opartych na kodzie MATLAB niezależnie od Środowisko MATLAB - chociaż jego dostępność będzie zależeć od tego, ile pieniędzy trzeba wyrzucić.

Kolejną rzeczą, którą powinienem zauważyć jest to, że debugger MATLAB jest jednym z najlepszych, z którymi pracowałem.

Główną zaletą, jaką widzę w R, jest otwartość systemu i łatwość, z jaką można go rozszerzyć. Spowodowało to niesamowitą różnorodność pakietów na CRAN. Wiem, że Mathworks prowadzi również repozytorium skrzynek narzędziowych i nie mogę zrobić sprawiedliwego porównanie, ponieważ nie używałem go zbyt często.

Otwartość R rozszerza się również na linkowanie w skompilowanym kodzie. Jakiś czas temu miałem model napisany w Fortranie i próbowałem zdecydować, czy używać R lub MATLAB jako front-endu, aby pomóc w przygotowaniu danych wejściowych i wyników procesu. Spędziłem godzinę czytając o interfejsie MEX do skompilowanego kodu. Kiedy odkryłem, że będę musiał napisać i utrzymać osobną procedurę Fortran, która wykonała skomplikowane żonglowanie wskaźnikami w celu zarządzania interfejsem, półka MATLAB.

Interfejs R polega na wywołaniu .Fortran ([nazwa podprogramu], [lista argumentów]) i jest po prostu szybszy i czystszy.

Dużą zaletą MATLAB nad R jest jakość dokumentacji MATLAB. R, będąc open source, cierpi w tym zakresie, cecha wspólna dla wielu projektów open source.

R jest jednak bardzo użytecznym środowiskiem i językiem. Jest szeroko stosowany w społeczności bioinformatycznej i ma wiele pakietów przydatnych w tej dziedzinie.

Alternatywą dla R jest Oktawa (http://www.gnu.org/software/octave/) który jest bardzo podobny do MATLAB, może uruchomić MATLAB Skrypty.

Z mojego doświadczenia wynika, że przejście z Matlaba do Pythona jest łatwiejsze - Python z numpy / scipy jest bliższy MATLABOWI pod względem stylu i funkcji niż R. istnieją również klony Open source direct MATLAB Octavei Scilab.

Jest na pewno wiele, że MATLAB może zrobić, że R nie może - w moim obszarze MATLAB jest często używany do pozyskiwania danych w czasie rzeczywistym-większość firm sprzętowych zawiera interfejsy MATLAB. Chociaż może to być możliwe z R wyobrażam sobie, że byłoby dużo bardziej zaangażowana. Również Simulink zapewnia cały obszar funkcjonalności, którego myślę, że brakuje w R. jestem pewien, że jest więcej, ale nie jestem tak zaznajomiony z R. {]}

Krótka odpowiedź: nie, oczywiście, że nie. Podczas gdy każdy zestaw pakietów oprogramowania matematycznego będzie miał swoje nakładanie się, zawsze będą one miały uprzedzenia w stosunku do pewnych domen problemowych. Te uprzedzenia mają duży wpływ na to, czy chcesz użyć jednego z tych pakietów.

Przykładem tego, co MATLAB może zrobić, czego R nie może, jest interfejs do sprzętu czasu rzeczywistego do przetwarzania/akwizycji sygnału i sterowania. Model Simulink w MATLAB może być skonfigurowany zarówno do pracy w symulacji na komputerze przed skompilowaniem kodu do wykonania na rzeczywistym systemie pobierając dane pomiarowe jako dane wejściowe i obliczając odpowiednie wyjścia (to, co było wcześniej symulacją systemu sterowania, jest teraz w pełni funkcjonalne). Dzięki odpowiedniej płytce sprzętowej w komputerze można uruchamiać systemy sterowania w czasie rzeczywistym za pośrednictwem komputera.

R natomiast wydaje się mocno osadzony w roli statystyki, gdzie jestem pewien, że out-wykonuje to, co MATLAB może zrobić. Podobnie, Mathematica jest lepsza od MATLAB w symbolice Python jest lepszy od MATLAB w programowaniu ogólnym; gnuplot {[4] } jest lepszy od wszystkich w tworzeniu Wykresów (er, zakładam); i tak dalej.

Zgadzam się z wieloma odpowiedziami podanymi powyżej. Ponieważ odpowiedź jest specyficzna dla różnic w możliwościach MATLAB i R, wspomnę o bardzo ważnym: MATLAB zawiera JVM i ma bezbłędną i solidną interoperacyjność z Javą. Wszystkie rozległe biblioteki Javy są dostępne dla użytkownika MATLAB. MATLAB IDE może być prawie używany jako zaćmienie biednego człowieka. Dla porównania, rJava jest bardzo niedojrzała, pomimo bardzo cennego wysiłku jej twórcy (Roman Francois).

Nie możemy, ponieważ jest to oczekiwane/wymagane przez naszych klientów.

Z pakietem sqldf, R jest zdolny nie tylko do statystyk, ale także do poważnego eksploracji danych-zakładając, że na twoim komputerze jest wystarczająco dużo pamięci RAM.

I z pakietem RServe r staje się zwykłym serwerem TCP / IP, więc możesz wywołać R z Javy (lub dowolnego innego języka, jeśli masz api). Istnieje również pakiet W R do wywołania Javy out lub R.

Jako użytkownik zarówno MATLAB, jak i R, myślę, że są to bardzo różne aplikacje. Ja sam mam doświadczenie w informatyce itp. i nie mogę przestać myśleć, że R jest przez statystyków dla statystyków, podczas gdy MATLAB jest przez programistów dla programistów.

R sprawia, że bardzo łatwo jest wizualizować i obliczać wszelkiego rodzaju statystyczne rzeczy, ale nie używałbym go do implementacji niczego związanego z przetwarzaniem sygnałów, gdyby to zależało ode mnie.

Podsumowując, jeśli chcesz robić statystyki, użyj R. Jeśli chcesz zaprogramować, użyć MATLAB lub jakiegoś języka programowania.

Wsparcie dla grafiki interaktywnej jest znacznie lepsze w Matlabie niż w R. nienawidzę Matlaba jako języka, ale jestem zazdrosny, gdy widzę, jak jego użytkownicy mogą eksplorować dane za pomocą operacji myszy, podczas gdy jestem zajęty powtarzaniem poleceń z nowymi wartościami dla xlim itp. Matlab obsługuje również wykresy wielu paneli znacznie lepiej niż jakakolwiek z metod R dla zadania. Ogólnie rzecz biorąc, grafika R ma klimat z lat 60. Nadaje się do publikacji, ale nie jest najlepszym rozwiązaniem do interaktywnej eksploracji danych.