六月的最后一周，在厦门大学统计系做了一份小学期课程的分享。午餐期间，胡帆同学整理并提问了一些问题。感谢 WiseRClub 的文字整理。
胡帆：
您是正儿八经的统计学专业出身，但是现在统计学出身的人大部分都在做机器学习，请问您认为统计学和机器学习的联系和区别是什么？
刘思喆：
其实没有什么大的区别，简单的说：计算机系和统计系各自重新把数据科学发明了一遍。计算机的人做很多东西，跟统计系做的很多东西其实都是一样的，只是在概念上不一样。经常地，统计系的学生和计算机系的学生在聊天的时候发现，我们说的是一个东西吗？后来发现，就是一个东西！ 举个例子：统计系的学生在讲到回归的一些变种的时候会讲到Lasso，而计算机系的学生是从来不会讲Lasso这个概念的，他们叫L1正则；而计算机系学生所说的L2正则，就是统计学中的Ridge regression（岭回归）。其实他们的本质都是在解决数据科学中的一些问题，计算机的人走自己的一条路，而统计的人走的是另一个方向，但实际上我们所解决的问题都是一样的，这个现象最近几年愈演愈烈。大量统计压箱底的好物件，被计算机背景的人不停的翻出。事实上每个系或者每个专业背景的人其实都有自己的优势，我觉得最终会殊途同归。 所以，我们经常说一句话：“一个好的程序员必须是半个好的分析师，一个好的分析师必须半个好的程序员”。这句话虽然粗糙，但我觉得比较好的描述这样一个观点：统计系的学生或者有统计专业背景的人，应该擅长自己统计那块，但是编程这块也要至少能及格；而计算机那边的人呢，如果只做软件工程，那是不够的，他要能够掌握基本的统计思想。
思路可借鉴，但内容已经过时，请忽视。可转向 https://github.com/rexyai/RestRserve
前文说到使用 opencpu 来搭建 http 服务，opencpu 可以很快速的通过构建 R 包的方式来搭建 http 服务， 很快捷，而且支持各种响应机制。但我们在搭建线上服务时，经常有需求将请求响应的时间控制在100ms以内，opencpu的框架就存在问题了。 这里再介绍R的另外一个包：fiery，部署更加方便且响应优势更加明显（一般30ms以内）。
首先假设我们面对的场景是垃圾邮件预测，已经根据离线数据构建了预测模型：
1 | library(xgboost) |
假定我们线上预测流程是这样：
思路可借鉴，但内容已经过时，请忽视。可转向 https://github.com/rexyai/RestRserve
使用R提供一个高可用的服务一直对R来说都是弱点，比如JRI(Java)或Rserve这些都不是太友好。 OpenCPU的出现彻底解决了这个问题，援引OpenCPU介绍：
一言以蔽之：可以快速搭建灵活的高可用服务。比如说，对于线上预测的请求，大概在200毫秒左右，很多场景基本上也够用了。
更新在最前面：
以下工作已经被团队小伙伴打成了 R 包，具体安装可以参考 lengyuyeke 的 github 项目，位置是这里 https://github.com/lengyuyeke/RHJDBC
几年前写过一篇简单的博客来讲如何利用 RHive 协同操作 Hive 和 R。这个包貌似很久未做维护，不是太好用，其实 RHive 包底层通过 JDBC 调用数据，所以通过 RJDBC 其实是更简单的方式。废话少说，直接贴代码：
1 | library("DBI") |