R pada Hadoop dan Bahasa R - dummies

Disiplin belajar mesin memiliki katalog teknik yang kaya dan ekstensif. Mahout membawa berbagai alat statistik dan algoritma ke meja, namun hanya menangkap sebagian kecil dari teknik dan algoritme tersebut, karena tugas mengubah model ini menjadi kerangka MapReduce adalah tantangan.

Seiring waktu, Mahout yakin untuk terus memperluas kotak peralatan statistiknya, namun sampai saat itu semua ilmuwan data dan statistik di luar sana perlu mengetahui perangkat lunak pemodelan statistik alternatif - di situlah R masuk.

Bahasa R adalah bahasa statistik dan pengembangan yang sangat populer dan populer. Ini menawarkan ekosistem analisis yang kaya yang dapat membantu ilmuwan data dengan eksplorasi data, visualisasi, analisis statistik dan komputasi, pemodelan, pembelajaran mesin, dan simulasi. Bahasa R biasanya digunakan oleh ahli statistik, penambang data, analis data, dan (saat ini) ilmuwan data.

Bahasa pemrogram bahasa R memiliki akses ke perpustakaan Komprehensif R Archive Network (CRAN) yang, pada saat penulisan ini berisi lebih dari 3000 paket analisis statistik. Add-on ini dapat ditarik ke dalam proyek R, menyediakan alat analisis yang kaya untuk menjalankan klasifikasi, regresi, pengelompokan, pemodelan linier, dan algoritma pembelajaran mesin yang lebih khusus. Bahasa ini dapat diakses oleh mereka yang akrab dengan tipe struktur data sederhana - vektor, skalar, bingkai data (matriks), dan sejenisnya - biasa digunakan oleh ahli statistik dan juga pemrogram.

Di luar kotak, salah satu kendala utama dengan menggunakan bahasa R adalah kurangnya dukungan yang ditawarkannya untuk menjalankan tugas bersamaan. Alat bahasa statistik seperti R unggul dalam analisis yang ketat, namun tidak memiliki skalabilitas dan dukungan asli untuk perhitungan paralel.

Sistem ini tidak dapat didistribusikan dan tidak dikembangkan menjadi scalable untuk data petabyte modern dunia. Proposal untuk mengatasi keterbatasan ini perlu memperluas ruang lingkup R di luar pemuatan memori dan lingkungan eksekusi komputer tunggal, sambil mempertahankan kemampuan R untuk algoritma statistik yang mudah dikelompokkan.