对比来了!Julia 能打败 Python 和 R 成最终赢家吗?
在这篇文章中,作者通过一个简单的似然函数优化(Maximum Likelihood Optimization)问题来对比 Julia,R 和 Python。这是一个比较小的优化问题,性能上的差异表现可能不太明显,但解决问题的过程能很好地反应三者各自的优劣势。 作者在撰写本文时,对这三种语言的熟悉程度如下: Julia 布道者 ChrisRackauckas 曾经说过: 如果你用 Julia 处理一个 10 秒内的问题,它的优势并不能体现出来。 而一旦处理的问题变复杂,需要花费比较长的时间,这时 Julia 的优势就会慢慢体现了。 有人用 Python 和 Julia 做过对比实验。以 10⁵ 为界点进行计算,当数值比 10⁵ 更小时 Python 比 Julia 快的。但数值大于 10⁵ 后,Julia 的速度就比 Python 快很多了。 优化问题 观察序列 Q1,Q2,...,Qn,我们需要找到优化该似然函数的参数 μ 和 σ: 通常我们会尝试优化对数似然: 在统计学上,这是截断的正态分布的最大似然估计(MLE)。 Julia 的测试情况 以下是作者使用 Julia 进行测试的情况...