R 通过包支持广泛的 OOP 设计，如 s3、s4、RC 和其他设计，决定使用哪个有点压倒性，我有一个更基本的问题是在进行机器学习时你何时何地使用 OOP或数据分析，有人可以从数据科学家/ML 从业者的角度回答这个问题。
我知道 OOP 在 R 中是如何在表面上工作的，但是
我应该花时间在 R 中学习 OOP 吗？从数据科学的角度来看，它有多实用？
R中oop的实际使用
数据挖掘
机器学习
r
数据挖掘
编程
2021-10-14 15:14:39
1个回答
我用过S3，S4和R6（你在概述中忘记了那个；））。我同意 Hadley Wickham 的观点，这对于大多数任务来说S3已经足够了。但是，仅当您开始构建对对象进行操作的高级函数时才需要这样做。例如，假设您使用一个函数构建了一个模型，并且您想为模型构建函数返回的对象创建一个summary和print函数。对于一般的数据科学目的，我会说了解系统会有所帮助，但它们都不是真正 OOP 的很好例子。为此，我建议使用 Python、Ruby 或 Java。所有这些都是在考虑 OOP 的情况下构建的。
关于了解 OOP，我认为这对于参与 ML 的人来说至关重要。不是在您使用 R 或 Python 进行原型设计时，而是在您开始编写生产代码时。我认为当 OOP 在 ML 中变得重要时，这个 Quora 线程给出了很好的说明。
如果您更关注 R 中的统计数据，那么它可能就不那么重要了。