双方MATLAB®R可以用于数据分析和机器学习。它们提供了对数学函数、语言、统计和用户社区的访问。但MATLAB可以帮助工程师和科学家在机器学习方面加快速度，因为MATLAB有交互式应用程序，不需要深入的技能，以及自动化机器学习工作流的耗时步骤的工具。
让我们看看一些任务更易于在MATLAB与R键进行：
- 拟合数据，识别模式，并构建机器学习模型无需编码
- 获得优化的模型没有一个机器学习专家
为了获得最佳性能，模型需要进行参数优化、特性优化和模型选择的迭代。
AutoML自动化了从信号中提取特征、选择模型和优化超参数等耗时且困难的步骤。
使用MATLAB，您可以在一个步骤中优化模型和相关的超参数，应用贝叶斯优化。
- 缩放你已经写入大型数据集的代码
MATLAB有许多内置函数和机器学习算法，用于使用与内存数据相同的语法处理大型数据集。可接入Hadoop/HDFS、NoSQL数据库、云存储等大数据存储系统。
虽然可以在Hadoop和Spark集群上扩展R的包是可用的，但使用它们需要学习与相应内存版本不同的新功能。
在常见的技术计算任务、统计和机器学习方面，MATLAB比R快，正如R基准2.5(也称为Urbanek)中所描述的那样，因为MATLAB库调用是优化的，代码是即时编译的。大多数工具箱函数都有内置的并行计算支持，利用多核甚至gpu来进行深度学习。金宝app您还可以使用并行for循环来加速执行，并将其扩展到计算集群MATLAB并行服务器，或可从公共云提供商，如亚马逊或Azure中使用的按需计算资源。
- 部署到边缘设备和嵌入式系统
将应用程序部署到嵌入式系统是具有挑战性的，因为代码写在高级语言如R往往需要对嵌入式硬件上运行，以重新实现。
自动生成C / C ++，HDL，CUDA，和用于与MATLAB实时系统使用其它的代码：MATLAB编码器自动将大多数机器学习和统计函数的预测代码转换为C/ c++代码，您可以直接部署在嵌入式设备和其他具有严格内存限制的专门硬件上。由GPU Coder生成的预测代码在专门的NVIDIA硬件上运行的速度比流行的深度学习框架(如TensorFlow)快，从而满足实时部署需求，例如驾驶辅助和视频处理系统。
嵌入分析用于IT, OT，和企业系统-免版税与MATLAB工具:您可以共享独立的MATLAB应用程序或创建共享库集成到Java，Microsoft .NET的Python和Excel的应用程序。与基于云的部署服务，通过该交易，部署，充MATLAB编译器和Matlab编码器免版税。
随着我们节省用嵌入式编码生成代码的时候，我们可以用新功能和MATLAB完成额外的迭代试验，在早期的原型将客户的反馈意见。
马克·布兰奇，IDNEO
- 访问您需要的所有功能和能力
除了通用学习算法，数据分析和机器学习应用还需要解决特定领域挑战的工具，比如模拟经济数据、信号处理或驱动机器人的控制机制。R依赖于社区编写的包来实现科学功能，而只有少数几个包可以应对这些类型的工程挑战。
MATLAB工具箱提供访问传感器，移动设备，以及其他的硬件，和库信号处理，图像处理和计算机视觉，优化，符号计算，控制系统，测试和测量，计算金融和生物学。工具箱的设计工作，彼此一起更新，所以你永远不兼容的库版本斗争。MathWorks公司拥有超过250专职质量和测试工程师谁验证产品的质量和准确性，保证了软件发布之前经过广泛的测试套件。
MATLAB给了我们先前无法读取的数据转换成可用的格式的能力;自动化滤波，频谱分析，并变换为多个卡车和区域的步骤;最终，实时预测理想的时间来进行维护应用机器学习技术。
高尔杉辛格，贝克休斯
这就是为什么工程师和科学家选择MATLAB而不是R
工程师和科学家喜欢为他们的应用程序设计良好、记录良好和经过彻底测试的工具和功能。这就是MATLAB被世界各地大学和公司的数百万工程师和科学家使用的原因。
具有较强统计背景的研究人员可能更喜欢r。然而，那些从事统计和机器学习的工业和工程应用的研究人员更喜欢MATLAB。一些原因包括:
- 能够在交互式应用程序中构建优化的模型，无需编码
- 不只是数字数据也为信号和图像应用程序 - 的特征提取，模型选择和超参数优化的困难和耗时的步骤自动化
- 部署到无需重新编写嵌入式硬件和企业应用程序和免版税
- 将模型与Simulink集成，以便在整个应用程序开发过程中应用实金宝app时测试和基于模型的设计
如果你是在你需要与MATLAB一起使用为r的环境中，你可以使用标准格式交换MATLAB和R之间的数据，你可以从MATLAB调用R里面的函数。
