最近我在考虑选择使用 R 还是 Python 来训练支持向量机。
除了这两种编程语言固有的特定优势和劣势之外，我想知道是否有任何启发式指南可以根据包本身来决定要走哪条路。
我考虑的是训练模型的速度、可扩展性、不同内核的可用性以及其他与性能相关的方面。
给定一些不同大小的数据集，如何决定采用哪条路径？
对于这样一个可能含糊不清的问题，我提前表示歉意。
最佳答案
我没有使用 e1070 的经验，但是通过谷歌搜索，它似乎使用或基于 LIBSVM(我对 R 的了解不足，无法从 cran 条目中确定哪个)。 Scilearnkit 还使用 LIBSVM。
在这两种情况下，模型都将由 LIBSVM 进行训练。速度、可扩展性、可用选项的多样性将完全相同，并且在将 SVM 与这些库一起使用时，您将面临的主要限制是 LIBSVM 的限制。
我认为除非您澄清问题中的几件事，否则很难提供进一步的建议:您的目标是什么？你已经知道 LIBSVM 了吗？这是一个学习项目吗？谁在为你的时间买单？你觉得用 Python 还是用 R 更舒服？
关于python - 在 sci-kit learn 中使用 libSVM 或在 R 中使用 e1070 进行训练和使用支持向量机有什么区别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22122506/