1. NumPyと
RとMATL
比較に 関 A B ®の
する一考
察
比戸将平
Tokyo.S （@sla）
ciPy#1 2
011.08.2
8

2. 自己紹介
• 比戸将平（HIDO Shohei）
• TwitterID: @sla
• 所属：IBM東京基礎研究所（6年目）
• 専門：データマイニング、機械学習
• 使用言語：Java、 R、 MATLAB®、Python
• マイブーム：NumPy+SciPy
– ４年前：「Rすげぇ！」
– ３年前：「Rちょっとうぜぇ！」
– ２年前：「MATLAB様！」
– １年前：「おいMATLAB！」
– 今年：「冷やしNumPy始めました」

3. 本発表の目的
• 「私にとっての」NumPyの有用性を検証したい
• 比較対象
–R
– MATLAB®
• そのために「個人的・主観的」評価
– 定性的な評価：全てを試した立場から比較検討
– 定量的な評価：同等の実験で性能比較
注：一般的な優劣を付けるわけではない

4. 本発表の結論
適材適所
• 大きく見れば同じような機能・性能・環境
• パフォーマンスー習得コスト－実装コスト
• 決定打となる要素は何か？

5. R
• 統計言語Sのオープンソース実装
• OSSライセンス：GNU GPL
• 多数の公開ライブラリ群（CRAN）
– 統計、バイオ、機械学習、DM、信号処理
abs <- function( value ) {
if (value < 0) {
abs_value <- -value
} else {
abs_value <- value
}
return(abs_value)
} 絶対値を める関数
例：絶対値を求める関数

6. MATLAB®
• MathWorks社の製品
• 独自の言語
• 多数のToolBox製品（アドオン）
– Statistics, Optimization, Signal Processing,…
• 配布に関して：MATLAB Compilerがあれば
– MATLAB Common Runtime＋バイナリ配布可
function [ abs_value ] = abs( value )
if (value < 0 )
abs_value = - value;
else
abs_value = value;
end
end 絶対値を める関数
例：絶対値を求める関数

7. NumPy (Numerical Python)
• Python用の数値計算ライブラリ
• 科学計算フレームワークSciPyの基盤
• OSSライセンス：BSD&MIT
def abs(value):
if value < 0:
abs_value = -value
else:
abs_value = value
return(abs_value)
例：絶対値を求める関数
絶対値を める関数

8. 定性評 価

9. 定性比較項目
• 使う：公開ツールや利用環境の充実度
• 作る＆配る：自前開発環境と公開の容易さ

10. 使う
NumPy R MATLAB
• 無償 • 無償 • 有償製品
• Python各種ツール • 豊富なライブラリ • Toolbox別売
•matplotlib • CRANで一括管理 • ユーザーコミュニティ
•Cython
•f2python
•IronPython
•PyPy
•PyUnit
•PyLint
• 内部パッケージが複雑
• 機能の重複がいろいろ

11. 作る＆配る
NumPy R MATLAB
• Eclipse+PyDev • R GUI • MATLAB製品
• R+StatET
• BSD • RStudio • MATLAB Compiler
• MATLAB Common
・ ツール群はGPL Runtimeのインストール

12. 定量評 価

13. 定量評価の既存例
• http://scipy.org/PerformancePython
– ラプラス方程式でNumPy=MATLAB
– NumPy+Fortlan/C++でPure C++に近づける
• http://www.sciviews.org/benchmark/
– いろんな統計計算・数値計算のスコアを平均してR=MATLAB
– 専門ツールはさらに早いが拡張性が無い
• http://mlg.eng.cam.ac.uk/dave/rmbenchmark.php
– 2倍くらい速い
NumPy vs. R vs. MATLABはあまり無い

14. 今回の定量評価対象
• 行列演算：機械学習等で非常に重要
– 逆行列
– 固有値分解
– 特異値分解
• 比較軸
– 行列size：｛100, 200, 400, 800｝
– 行列density：{0.001, 0.01, 0.1}
• スパース行列に対する計算
• ただしスパース行列のデータ構造は未使用

15. 実験環境
• 実験マシン：Lenovo Thinkpad X201
– CPU i5 M560 2.67GHz, メインメモリ3GB
• R：Ver 2.13.0
• MATLAB：Ver7.12(R2011a) Win32bit版
• NumPy：Ver1.6.1(Python2.6ベース)
– SciPy：Ver0.9.0

16. 逆行列（density=1.0）
100
10
NumPy
1 R
100 200 400 800 MATLAB
0.1
0.01

17. 固有値分解(density=0.1)
1000
100
10 NumPy
R
1 MATLAB
100 200 400 800
0.1
0.01

18. 特異値分解（density=0.01）
100
10
NumPy
1 R
100 200 400 800 MATLAB
0.1
0.01

19. 逆行列（size=800）
100
NumPy
10 R
MATLAB
1
0 0.01 0.1 1

20. 固有値分解（size=800）
1000
100
NumPy
R
MATLAB
10
1
0 0.01 0.1 1

21. R+sparse+SVD?
• Rのスパース行列パッケージ
– Matrix
– SparseM
– 両方ともSVDを持たない
• 解決方法
– 直にSVDLIBCを呼び出す
– 反復解法を実装する

22. まとめ
• 定性評価
– NumPyはPython関連ツールが強み
– Rのライブラリ充実度は使う分には大きな強み
– MATLABはMCRを使えるならば有用
• 定量評価
– MATLABはそのままで最適化されている
– NumPyとRはどっこいどっこい
– 行列の密度でかなり性能が変わる
• スパース行列は使っていないにも関わらず