# 機器學習的最佳編程語言 > 原文： [https://machinelearningmastery.com/best-programming-language-for-machine-learning/](https://machinelearningmastery.com/best-programming-language-for-machine-learning/) 我被問到的一個問題是： > 什么是機器學習的最佳編程語言？ 我已多次回答這個問題，現在是時候在博客文章中進一步探討這個問題了。 最終，您用于機器學習的編程語言應該考慮您自己的要求和偏好。沒有人可以為你有意義地解決這些問題。 沒有人可以為你有意義地解決這些問題。 ## 使用什么語言 在我發表您的觀點之前，最好先了解哪些語言和平臺在自選數據分析和機器學習專業人員社區中很受歡迎。 KDnuggets 永遠進行了語言民意調查。最近的一項民意調查標題為“ [2013 年用于分析/數據挖掘/數據科學工作的編程/統計語言](http://www.kdnuggets.com/polls/2013/languages-analytics-data-mining-data-science.html)”。趨勢幾乎與上一年相同。結果表明大量使用 R 和 Python 以及 SQL 進行數據訪問。 SAS 和 MATLAB 的排名高于我的預期。我希望 SAS 可以用于更大的企業（財富 500 強）數據分析和用于工程，研究和學生使用的 MATLAB。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/05/kdnuggets-popular-programming-languages.png) 最受歡迎的機器學習平臺，取自 [KDnuggets 2013 民意調查](http://www.kdnuggets.com/polls/2013/languages-analytics-data-mining-data-science.html)。 Kaggle 提供機器學習競賽，并對參賽者在比賽中使用的工具和編程語言進行了調查。他們在 2011 年發布了名為 [Kagglers 的最愛工具](http://blog.kaggle.com/2011/11/27/kagglers-favorite-tools/)的結果（另見[論壇討論](https://www.kaggle.com/forums/t/1099/data-analysis-tools-and-methods)）。結果表明 R 的使用量很大。結果也表明 MATLAB 和 SAS 的使用效果要低得多。我可以證明我更喜歡 R 而不是 Python 來進行競爭工作。只是感覺它在數據分析和算法選擇方面有更多的優勢。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/05/kaggle-most-popular-tools.png) [最受歡迎的工具，用于機器學習競賽網站 Kaggle](http://blog.kaggle.com/2011/11/27/kagglers-favorite-tools/) 。 上述 Kaggle 博客上的博客文章作者 Ben Hamner 和博客文章的作者在一篇題為“[人們通常使用什么工具來解決問題的論壇帖子中詳細介紹了機器學習編程語言的選項](https://www.kaggle.com/forums/t/3642/what-tools-do-people-generally-use-to-solve-problems/19618#post19618)“。 Ben 評論說 MATLAB / Octave 是一種很好的矩陣運算語言，在使用定義明確的特征矩陣時可能會很好。 Python 是全面的，并且可能非常慢，除非你進入 C.他不喜歡使用定義好的特征矩陣并使用 Pandas 和 NLTK。本評論說：“作為一般規則，如果它被發現對統計學家來說很有意思，那么它已經在 R 中實現了”（很好地說）。他還抱怨語言本身是丑陋和痛苦的。最后，Ben 評論朱莉婭，這對庫的方式并不多，但卻是他最喜歡的語言。他評論說它具有 MATLAB 和 Python 等語言的簡潔性和 C 的速度。 Kaggle 首席執行官 Anthony Goldbloom 在 2011 年向 Bay Area R 用戶組發表演講，介紹 R 在 Kaggle 比賽中的受歡迎程度，題為[預測建模競賽：使數據科學成為一項運動](http://www.meetup.com/R-Users/events/16946398/)（參見 [powerpoint）幻燈片](http://files.meetup.com/1225993/Goldbloom%20-%20Predictive%20modeling%20competitions%20-%20April%202011.ppt)）。演示幻燈片提供了有關編程語言使用的更多細節，并建議了一個與 R 的使用一樣大的其他類別。收集原始數據會很好（為什么不是把它發布到他們自己的數據社區，認真！？）。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/05/popular-languages-on-kaggle.png) Kaggle 上流行的編程語言，取自 [Kaggle 演示文稿](http://www.meetup.com/R-Users/events/16946398/)。 John Langford 在他的博客 Hunch 上有一篇關于編程語言屬性的優秀文章，在使用名為“[機器學習實現的編程語言](http://hunch.net/?p=230)”的機器學習算法時要考慮。他將屬性分為對速度的關注和可編程性的關注（編程簡易性）。他指出了強大的行業標準算法實現，所有這些都在 C 和評論中表示他沒有使用 R 或 MATLAB（這篇文章是在 8 年前寫的）。花一些時間閱讀學術界和行業專家的一些評論。這是一個深刻而微妙的問題，實際上歸結為您正在解決的問題的具體細節以及解決問題的環境。 ## 機器學習語言 我想在我想要執行的機器學習活動的上下文中編程語言。 ### MATLAB /八度 我認為 MATLAB 非常適合表示和使用矩陣。因此，我認為在攀入給定方法的線性代數時，它是一種優秀的語言或平臺。我認為，當你試圖找出問題或深入研究方法時，它很適合在第一次和非常深入地學習算法。例如，它在初學者的大學課程中很受歡迎，例如 [Andrew Ng 的 Coursera 機器學習課程](https://www.coursera.org/course/ml)。 ### [R R 是統計分析和擴展機器學習的主力軍。很多人都在談論學習曲線，我沒有真正看到問題。它是使用統計方法和圖表來理解和探索數據的平臺。它擁有大量的機器學習算法，以及由算法開發人員編寫的高級實現。 我認為你可以用 R 來探索，建模和原型。我認為它適合一次性項目，其中包含一系列預測，報告或研究論文。例如，它是[最受歡迎的機器學習競爭對手平臺，如 Kaggle](http://blog.kaggle.com/2011/11/27/kagglers-favorite-tools/) 。 ### 蟒蛇 Python 如果是一種流行的科學語言和機器學習的后起之秀。如果可以從 R 中獲取數據分析，我會感到驚訝，但 NumPy 中的矩陣處理可能會挑戰 MATLAB，而 [IPython](http://machinelearningmastery.com/ipython-from-the-shell-to-a-book-with-a-single-tool-with-fernando-perez/ "IPython from the shell to a book with a single tool with Fernando Perez") 等通信工具非常具有吸引力，是未來再現性的一步。 我認為用于機器學習和數據分析的 SciPy 堆棧可用于一次性項目（如論文），而 [scikit-learn](http://machinelearningmastery.com/a-gentle-introduction-to-scikit-learn-a-python-machine-learning-library/ "A Gentle Introduction to Scikit-Learn: A Python Machine Learning Library") 等框架已經足夠成熟，可用于生產系統。 ### Java 的家庭/ C 家族 實現使用機器學習的系統是一項與其他任何工程一樣的工程挑戰。您需要良好的設計和開發的要求。機器學習是算法，而不是魔術。在嚴格的生產實現中，您需要一個健壯的庫，或者根據需要自定義算法的實現。 有強大的庫，例如，Java 有 [Weka](http://machinelearningmastery.com/what-is-the-weka-machine-learning-workbench/ "What is the Weka Machine Learning Workbench") 和 Mahout。此外，請注意，回歸（ [LIBLINEAR](http://www.csie.ntu.edu.tw/~cjlin/liblinear/) ）和 SVM（ [LIBSVM](http://www.csie.ntu.edu.tw/~cjlin/libsvm/) ）等核心算法的更深層實現是用 C 語言編寫的，并由 Python 和其他工具包利用。我認為你很認真，你可以用 R 或 Python 原型，但是你會因為執行速度和系統可靠性等原因而用更重的語言實現。例如， [BigML 的后端在 Clojure](http://blog.bigml.com/2013/06/21/clojure-based-machine-learning/) 中實現。 ### 其他問題 * **不是程序員**：如果你[不是程序員](http://machinelearningmastery.com/what-if-im-not-a-good-programmer/ "What if I’m Not a Good Programmer")（或者不是一個自信的程序員），我建議通過 GUI 界面來玩機器學習，如 [Weka](http://machinelearningmastery.com/what-is-the-weka-machine-learning-workbench/ "What is the Weka Machine Learning Workbench") 。 * **研究和行動的一種語言**：您可能希望使用相同的語言進行原型設計和生產，以降低無法有效轉移結果的風險。 * **寵物語言**：你可能有一種最喜歡的語言的寵物語言，并希望堅持這一點。您可以自己實現算法或利用庫。大多數語言都有某種形式的機器學習包，無論多么原始。 機器學習編程語言的問題在博客和問答網站上很流行。一些選擇討論包括： * [機器學習和編程語言](http://suhasmathur.com/2012/02/machine-learning-and-programming-languages/)，2012 * [哪種編程語言擁有最好的機器學習庫存儲庫？](http://www.quora.com/Which-programming-language-has-the-best-repository-of-machine-learning-libraries) 在 Quora 上，2012 年 * [哪種編程語言擁有最好的機器學習庫存儲庫？ 2010 年 MetaOptimize 上的](http://metaoptimize.com/qa/questions/1645/which-programming-language-has-the-best-repository-of-machine-learning-libraries) * [您建議使用哪種編程語言來構建機器學習問題？](http://stats.stackexchange.com/questions/19889/what-programming-language-do-you-recommend-to-prototype-a-machine-learning-probl) ，CrossValidated，2011 您使用什么編程語言進行機器學習和數據分析，為什么推薦它？ 我很想聽聽你的想法，發表評論。