是否有任何理由更喜欢数据挖掘项目的函数式编程？ [关闭]答案

【问题标题】：Is there any reason to prefer functional programming for data mining projects? [closed]是否有任何理由更喜欢数据挖掘项目的函数式编程？ [关闭]
【发布时间】：2011-05-06 21:37:10
【问题描述】：

我正在研究启动一个数据挖掘项目的可能性，该项目将包括对数据的密集计算和转换，并且应该相对容易扩展。

根据您的经验，编程语言的选择对于上述项目来说至关重要吗？

例如，如果我已经在 JVM 环境中工作，我应该更喜欢 Clojure 而不是纯 Java 吗？功能环境是否保证更容易扩展？性能更好？

抛开对语言的熟悉程度、工具链等其他因素。根据您的经验，语言的选择是否至关重要？

【问题讨论】：

您“搁置”的因素至关重要。如果你只是为了这个项目开始学习 Clojure，你要么无法发挥它的优势——在这种情况下，你可以坚持使用例如Java - 否则会浪费太多时间，以至于这项任务必须非常棒才能弥补损失的时间。

标签： java programming-languages functional-programming clojure data-mining

【解决方案1】：

为数据挖掘项目选择函数式编程有几个很好的理由。

通常是数据挖掘项目涉及算法和数学（比其他类型的系统）可以更容易地表达为函数式编程
数据采矿项目将涉及聚合函数 - 功能更好编程，比如 Clojure
数据采矿计划也将更多适合并行性 - 绝对数据并行性，甚至可以是任务并行性，又是一个强项函数式编程
和 Clojure 等函数式语言无论如何都可以与java接口进行I/O、文件读写
我认为可以学习工具链容易地;它并没有那么不同，所以这不应该是一个因素。

我自己也问过同样的问题，并且对 Clojure 给出了一个很大的肯定 - 我仍在考虑如何将 R 包含在组合中。

【讨论】：

另外，数据挖掘操作可以看作是一个数据转换链，这是函数式编程语言非常擅长的。
看看 Incanter 与 R 类似，但在 Clojure 中。

【解决方案2】：

使用您熟悉的最强大的语言。

无论如何，如果您想获得可扩展性，您需要一个 map-reduce 实现，它允许您并行化和收集结果。

【讨论】：

【解决方案3】：

没有特别的原因。选择你觉得最舒服的语言。

查看我对similar question about natural language processing 的回复。我认为人们认为晦涩难懂的语言适合 AI 的一些功能确实适得其反。

【讨论】：

“我认为人们认为晦涩难懂的语言适合 AI 的某些功能确实适得其反。”
@missingfaktor：查看我链接到的答案。

【解决方案4】：

通常，函数式编程解决方案更具可扩展性。

【讨论】：

更常见的是，它们不是。