چرا نرم افزار متلب (Matlab) برای داده کاوی مناسب نیست؟

1 1 1 1 1 1 1 1 1 1 میانگین امتیاز 3.50 (4 رای)
امتیاز کاربران
ضعیفعالی 

به قول فرنگی‌ها استفاده از نرم افزارهایی که قابلیت کد نویسی دارند “Has been debated issue among experts” به عبارت دیگر این موضوع یکی از بحث های رایج بین متخصصان شده است. در این بین تعداد زیادی از متخصصان عقیده دارند که نرم افزار متلب برای داده کاوی مناسب نیست و نرم افزارهایی مانند R و SAS می توانند بسیار مفیدتر باشند.

باید توجه داشته باشید که هر دو نرم افزار R و متلب نیاز به دانش کد نویسی دارند به همین دلیل هیچ یک از این دو نرم افزار برای استفاده افراد تازه کار توصیه نمی شود. در ادامه دلایلی مختصر در خصوص معایب نرم افزار متلب برای داده کاوی ذکر شده است.

 

  1)  متلب نرم افزار تجاری است

نرم افزار متلب یا Matlab یک نرم افزار تجاری است. تجاری بودن این نرم افزار موجب معایبی در آن می شود. اول اینکه این نرم افزار به سادگی قابل توسعه توسط متخصصان نمی باشد و این موجب ضعف نرم افزار و عدم به روز بودن آن می شود. دوم اینکه برای استفاده از تمامی مزایای آن باید هزینه زیادی را پرداخت نمود. البته موضوع اخیر در ایران به دلیل عدم رعایت کپی رایت این موضوع خیلی مهم نیست. اما اگر به صورت ناگهانی کپی رایت در ایران اجرا شد چه باید کرد؟
اصولا نرم افزارهای متن باز بین داده کاوان سراسر جهان مقبول تر بوده و بیشتر مورد استفاده هستند. نرم افزار R یکی از این نرم افزارهای متن باز است که واسط کاربری آن شبیه متب بوده و کاربر باید با زبان R در آن کد نویسی نماید.

 

 2)  متلب برای حل مسائل ریاضی است
این نرم افزار در اصل برای حل مسائل ریاضی توسعه داده شده است و بی شک در حل مسائل ریاضی در حوزه مهندسی بی رقیب است. اما در خصوص آمار چطور؟ نرم افزاری مانند R  اساسا برای حل مسائل آماری و اقتصادی توسعه داده شده است.


3) عدم یکپارچگی متلب با سایر نرم افزارهای داده کاوی
متلب به دلیل تجاری بودن قابلیت مناسبی برای یکپارچگی با سایر نرم افزارهای داده کاوی را ندارد. از طرف دیگر نرم افزاری مانند R با استفاده از پلاگین ها و افزونه هایی قابلیت اتصال به نرم افزارهای داده کاوی مانند RapidMiner، SAS، Statistica، Oracle  و بسیاری دیگر از نرم افزارها را دارد.


4)  کاهش محبوبیت نرم افزار متلب در بین داده کاوان در سال های اخیر
طبق نظر سنجی سایت kdnuggets در سال 2013 محبوبیت نرم افزار متلب در بین داده کاوان کاهش پیدا کرده است. در سال 2013 نسبت به سال 2012 استفاده از این نرم افزار در بین داده کاوان کاهش یافته است[1]. همچنین در سال های 2011 تا 2013 بهترین جایگاه نرم افزار متلب در بین سایر نرم افزارهای مطرح دنیا در رتبه هشتم و پایین تر از نرم افزارهایی مانند R، Weka و RapidMiner بوده است [4،3،2].


5) در ادامه چند مقایسه فنی بین متلب و R وجود دارد [5]:

  • توابع متلب با تناقض هایی در syntax فراخوانده می شوند. در نرم افزار R اگر بخواهید مدل رده بندی خود را عوض کنید به سادگی تابع مربوط را با تابع قبلی عوض می کنید و آن را بر روی داده ها اعمال می کنید در صورتیکه در متلب باید داده ها را دوباره فرمت بندی نمود و تابعی دیگر را فراخواند[5].
  • در متلب شما باید با آرایه ها و ماتریس ها کار کنید در صورتیکه در R ساختار داده ها مناسب تر است. به علاوه در متلب متغیرها بر اساس ایندکس فراخوانده می شوند در حالیکه در R شرایط با وجود دستور data.frame بسیار مناسب تر است[5].
  • R تعداد بیشماری کتابخانه یا Library در خصوص یادگیری ماشین دارد که هر روز در حال توسعه است[5].

 

منابع

  1.  http://www.kdnuggets.com/polls/2013/languages-analytics-data-mining-data-science.html
  2. http://www.kdnuggets.com/polls/2011/tools-analytics-data-mining.html
  3. http://www.kdnuggets.com/polls/2012/analytics-data-mining-big-data-software.html
  4. http://www.kdnuggets.com/polls/2013/analytics-big-data-mining-data-science-software.html
  5. http://stackoverflow.com/questions/3125527/what-are-the-advantages-disadvantages-between-r-and-matlab-with-respect-to-machi/3126038#3126038

این صفحه را به اشتراک بگذارید

نویسنده
Taha Mokfi
Author: Taha MokfiEmail: این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

طه مکفی عضو ارشد گروه داده کاوی ایران می باشد.


نوشتن دیدگاه


تصویر امنیتی
تصویر امنیتی جدید

شما اینجا هستید: خانه اخبار اخبار داخلی چرا نرم افزار متلب (Matlab) برای داده کاوی مناسب نیست؟

مایل به شرکت در کدامیک از دوره های زیر هستید؟

داده کاوی - 60.7%
متن کاوی - 19.7%
وب کاوی - 9.8%
آموزش پروپزال نویسی - 3.3%
عقیده کاوی و تحلیل احساسات - 6.6%

كل آرا: 61
اين نظرسنجي به پايان رسيده است on: 19 سپتامبر 2014 - 00:00

جملات طلایی

نظر BBC در مورد داده کاوی

درمستندی از سوی شبکه BBC که در آن علم داده های بزرگ بررسی شد

ادامه مطلب...

فرضیه سازی قبل از وجود داده

اشتباه خیلی بزرگی است که قبل از وجود داده به فرضیه پردازی روی بیاوریم.

از: Arthur Conan Doyle

ادامه مطلب...