stata和机器学习

最近在用stata做机器学习。挺神奇的，因为总觉得stata是很正统（称不上传统，前面还有sas）的计量软件，对一些机器学习的算法并不是很感兴趣。就语言而言，stata的潜能还是很大的，但是因为路数跟传统的语言，区别很大，所以写code有的时候很费劲。这就像让毕加索用毛笔画画（张大千真的送过毕加索一根毛笔！他也真的画过），他最终也可以画出来一幅画，但作画的技法是你很难想象的。总之就是比较费劲，不太顺手。这一点上，matlab虽然也是高级语言，但明显比较贴近于一般的语言比如C。所以在我来看没什么过渡感。

我又仔细想了想原因，stata的stat工具包多到发指，这个必须以牺牲一些别的功能为代价。很多时候我觉得线性代数、数值分析上可能就是这种代价。matlab带个matrix的前缀，就像stata带着stat，矩阵不必说了，数值计算也是杠杠的，但很多别的工具包就顾不上了，特别是matlab还得顾着做simulation的科学家们。C就更不用说了，基本除了加减乘除别的什么都没有，但做计算无比快，不像matlab能用来给mac取暖。

stata做计算没有长处，对回归问题不大，因为本质上都有套路，很多时候做L2回归，对平方项求导，感谢高斯的发明，一切变得很简单。机器学习很多方法比如支持向量机，核方法，也都跟回归差不多，大家都是超平面分割，不是因为你叫机器学习我叫回归你就高端了。但很多时候求L1回归，看着绝对值而不是平方项求极值，这个连解析解都没有。这个时候stata就吃亏了，计算潜能再说，写浮点数这些都不方便，自然用stata就不顺手了。比如算个牛顿法，很明显stata不如matlab。我拿stata都不知道怎么写。当然matlab比C还是差远了。

我觉得做应用经济学，应用数量社科的，应该多学一学stata，spss这些之外的语言。当然做theory的可能也不太屑于考虑stata的事儿。不过语言终究是工具而已，还不是最核心的。核心的还是语言中的算法，更核心的是算法背后的一种思想和概念。虽然噱头颇多，我还是很支持机器学习的，不是说某种方法炫酷，某个名词高大上的问题，关键是机器学习的一种思想。在大数据时代，这不是赶时髦，有的时候是为了减少开销而不得不做的一件事，至于具体什么算法都可以商量。而这种思想我觉得是最值钱的。