Wo ist das Problem? Irgendein beliebiges Regressionsverfahren wurde schon 1000-Mal in C++ oder Java implementiert. Hast du jetzt mit Julia 23 Zeilen eingespart? Herzlichen Glückwunsch. Im Gesamtkontext (Lesbarkeit, Verfügbarkeit von Entwicklern, Wartbarkeit etc). wäre aber eine Standardsprache eventuell günstiger. Vermutlich machst du das an einer Uni, wo realistische Faktoren keine Rolle spielen.
Es gibt zahlreiche Forschungsmodelle für die es geben keine Implementierung in C++ oder Java gibt weil sich eben noch kein Standard hat etablieren können. Für Forschung ist es eben viel einfacher eine Sprache zunehmen die ein relatives hohes Abstraktionsniveau für numerische Aufgaben hat. Daher sind ja auch Matlab, Python und R so verbreitet. Julia hat für mich den Vorteil, dass man eine sehr elegante und mächtige Sprache hat, die jedoch in Machinencode compiliert wird und daher auch ziemlich performant ist.
Wo ist das Problem? Irgendein beliebiges Regressionsverfahren wurde schon 1000-Mal in C++ oder Java implementiert. Hast du jetzt mit Julia 23 Zeilen eingespart? Herzlichen Glückwunsch. Im Gesamtkontext (Lesbarkeit, Verfügbarkeit von Entwicklern, Wartbarkeit etc). wäre aber eine Standardsprache eventuell günstiger. Vermutlich machst du das an einer Uni, wo realistische Faktoren keine Rolle spielen.
Es gibt zahlreiche Forschungsmodelle für die es geben keine Implementierung in C++ oder Java gibt weil sich eben noch kein Standard hat etablieren können. Für Forschung ist es eben viel einfacher eine Sprache zunehmen die ein relatives hohes Abstraktionsniveau für numerische Aufgaben hat. Daher sind ja auch Matlab, Python und R so verbreitet. Julia hat für mich den Vorteil, dass man eine sehr elegante und mächtige Sprache hat, die jedoch in Machinencode compiliert wird und daher auch ziemlich performant ist.