我打算升级我的电脑，还想购买一些新的 DDR3 RAM 模块。通过一些研究，我意识到 RAM 有 2 个主要特征（除了容量）：频率和延迟。
我也想用我的电脑进行数据分析（比如 Kaggle 比赛）。通常我在 R 中工作，有时在 Python 中工作。
我了解延迟和频率之间存在权衡（有时也反映在价格中）。我的问题是哪一个对数据分析更重要？它如何影响现实世界的表现？在选择具有整体更好和更低参数值的模型之间，我应该期望有多大差异？
更新：我不问一般来说哪种 RAM 更好。我需要知道 R（或 Python）如何进行内存管理的用户的回答。如何在内存中管理不同的 ML 算法，以及首选哪些 RAM 特性来支持它。我也很欣赏这个领域的个人经验。
比较具有不同频率和延迟的两个 RAM 并不容易，因为它们都会以不同的方式影响您的性能。
简短的回答是：
从本质上讲，当涉及到 RAM“速度”时，您需要担心两件事：频率，它处理一次可以将多少数据传输到记忆棒，以及延迟，它响应请求的速度。在当前市场中，随着频率的提高，延迟往往会增加，因此在许多情况下，它们往往会相互平衡。购买速度更快的 RAM 并不重要。
长答案：
不用担心内存。是的，如果你的内存很糟糕，你的性能也会有问题。但是，数据分析中最重要的是代码的性能。我个人经验的一个例子：
我有一个文本数据集，大约 30GB。我需要为一个简单的 TF-IDF 创建一个语料库。蛮力代码花费了大约 15 个小时，而 map-reduce 算法花费了大约 1.5 分钟来处理相同的数据集。
我在 16GB RAM 的 MacBook Pro 上工作。我对性能没有任何问题。但是，如果您拥有庞大的数据集，甚至代码改进和 RAM 升级也无济于事，您可能会重新考虑迁移到 Hadoop 或类似的。