最近我在考虑使用R或Python来训练支持向量机的选择。
除了两种编程语言固有的特定优点和缺点之外，我想知道是否有任何启发式指南可以根据包本身来决定走哪条路。
我正在考虑训练模型的速度、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？
对于这样一个可能含糊不清的问题，我提前道歉。
我没有 e1070 的经验，但是从谷歌搜索来看，它似乎要么使用要么基于 LIBSVM（我不知道足够的 R 来确定哪个来自 cran 条目）。Scilearnkit 也使用 LIBSVM。
在这两种情况下，模型都将由 LIBSVM 训练。速度、可扩展性、各种可用选项将完全相同，在将这些库使用 SVM 时，您将面临的主要限制是 LIBSVM 的局限性。
我认为，除非你在问题中澄清几件事，否则提供进一步的建议将是困难的：你的目标是什么？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？你觉得在Python还是R中更舒服？
不久前我有同样的问题。是的，e1070和scikit-learn都使用LIBSVM。我只有e1070的经验。
但有些领域R更好。我过去读过Python不能正确处理分类特征（至少不是开箱即用）。这对某些人来说可能是一件大事。
我也更喜欢R的formula界面。还有一些不错的数据处理包。
Python 绝对更适合通用编程，scikit-learn有助于对所有任务使用单一编程语言。