# Python 是應用機器學習的成長平臺 > 原文： [https://machinelearningmastery.com/python-growing-platform-applied-machine-learning/](https://machinelearningmastery.com/python-growing-platform-applied-machine-learning/) 你應該為這份工作挑選合適的工具。 您正在處理的特定預測建模問題應該規定要使用的特定編程語言，庫甚至機器學習算法。 但是，如果您剛剛開始并尋找一個學習和練習機器學習的平臺怎么辦？ 在這篇文章中，您將發現 Python 是應用機器學習的增長平臺，可能在采用和可能性方面超過和推翻 R. 閱讀這篇文章后你會知道： * Python 機器學習的搜索量正在快速增長，并且已經超過了 R. * Python 機器學習工作的百分比正在增長，并且已經超過了 R. * 近 50％的受訪專業人士使用 Python 并且不斷增長。 讓我們開始吧。 ## 用于機器學習的 Python 正在增長 讓我們看一下 3 個區域，我們可以看到 Python 用于機器學習的增長： 1. 搜索量。 2. 招聘廣告。 3. 專業工具使用。 ### Python 機器學習搜索量正在增長 搜索量可能表示學生，工程師和其他從業者正在搜索信息以開始或深入了解該主題。 Google 提供了一個名為 [Google 趨勢](https://www.google.com/trends/)的工具，可以深入了解關鍵字隨時間的搜索量。 我們可以[研究 2004 年到 2016 年（過去 12 年）“Python 機器學習”的增長](https://www.google.com.au/trends/explore?date=all&q=python%20machine%20learning)。以下是此期間搜索量變化的圖表：  Python 機器學習搜索流量的增長 我們可以看到，趨勢向上開始于 2012 年，從 2015 年開始陡升，可能受到 TensorFlow 等 Python 深度學習工具的推動。 我們也可以[將其與 R 機器學習](https://www.google.com.au/trends/explore?date=all&q=python%20machine%20learning,r%20machine%20learning)的搜索量進行對比，我們可以看到，從 2015 年中期開始，Python 機器學習已經擊敗了 R.  Python 機器學習與 R 機器學習搜索量 藍色表示“Python 機器學習”，紅色表示“R 機器學習”。 ### Python 機器學習工作正在增長 [確實](http://indeed.com)是一個求職網站，就像 Google 趨勢一樣，它們顯示了與關鍵字匹配的招聘廣告數量。 我們可以調查過去 4 年對“蟒蛇機器學習工作”的需求。  Python 機器學習工作的增長 我們可以看到沿 x 軸的時間以及與關鍵字匹配的職位發布百分比。該圖顯示了 2012 年至 2015 年的近乎線性增長，2016 年曲棍球棒增加。 我們還可以比較 python 和 R 的招聘廣告。  Python 機器學習工作與 R 機器學習工作 藍色顯示“Python 機器學習”，橙色顯示“R 機器學習”。 與 Google 搜索量相比，我們看到了更為明顯的故事。 Indeed.com 提供的招聘廣告百分比表明，至少自 2012 年以來，對于機器學習技能的需求一直主導著 R 機器學習技能，近年來差距只有擴大。 ### KDNuggets 調查結果：更多人使用 Python 進行機器學習 通過查看 KDnuggets 軟件調查結果的結果，我們可以深入了解機器學習從業者使用的工具。 以下是 2016 年業績報價： > R 仍然是領先的工具，擁有 49％的份額，但 Python 增長更快，幾乎趕上了 R. - Gregory Piatetsky 民意調查跟蹤機器學習和數據科學專業人員使用的工具，參與者可以選擇多個工具（這是我期望的標準） 以下是過去 4 年中用于機器學習的 Python 的增長： ``` 2016 45.8% 2015 30.3% 2014 19.5% 2013 13.3% ``` 下面是這種增長的情節。  KDNuggets 民意調查結果 - 使用 Python.png 的專業人員百分比 我們可以看到近乎線性的增長趨勢，2016 年使用的 Python 僅占不到 50％的專業人士。 值得注意的是，近年來，民意調查的參與者人數也從數百人增加到數千人，參與者是自我選擇的。 有趣的是，scikit-learn 也在投票中單獨出現，占 17.2％。 有關更多信息，請參閱： [KDnuggets 2016 年軟件調查結果](http://www.kdnuggets.com/2016/06/r-python-top-analytics-data-mining-data-science-software.html)。 ### O'Reilly 調查結果：更多人使用 Python 進行機器學習 O'Reilly 每年進行一次數據科學薪酬調查。 他們從專業數據科學家和機器學習從業者那里收集了大量數據，并將結果呈現在非常好的報告中。例如，這里是 [2016 年數據科學薪資調查報告](http://www.oreilly.com/data/free/2016-data-science-salary-survey.csp) [[查看 PDF 報告](http://www.oreilly.com/data/free/files/2016-data-science-salary-survey.pdf)]。 該調查跟蹤從業者的工具使用情況，以及 KDNuggets 數據。 引用 2016 年報告的主要發現，我們可以看到 Python 在數據科學工資中發揮著重要作用。 > Python 和 Spark 是最有助于薪水的工具之一。 - 2016 年第 1 頁數據科學薪酬調查報告。 回顧調查結果，我們可以看到過去 4 年中使用 Python 生態系統進行機器學習的類似增長趨勢。 ``` 2016 54% 2015 51% 2014 42% (interpreted from graph) 2013 40% ``` 再次，我們可以描繪這種增長。  O'Reilly 民意調查結果 - 使用 Python.png 的專業人士百分比 有趣的是，2016 年的結果與 KDNuggets 民意調查結果非常相似。 ## 行情 您可以找到支持互聯網上任何位置的報價。 拿一粒鹽報價。盡管如此，報價可以是有洞察力的，提高和支持點。 讓我們先來看看新聞網站和博客中有關機器學習 Python 發展的一些櫻桃摘要。 ### 新聞報價 > Python 在過去幾年中已成為數據科學編程的領導者。雖然仍然有很多人使用 R，SPSS，Julia 或其他幾種流行語言，但 Python 在該領域的日益普及在其數據科學庫的發展中顯而易見。 - Katharine Jarmul，[數據科學入門：如何使用 Python“大數據”](http://dataconomy.com/big-data-python/)，Dataconomy > 我們的研究表明，Python 是最流行的數據科學分析語言之一，超過三分之一（36％）的組織使用它。 - Dave Menninger，[大數據在 Strata + Hadoop World 2016](http://www.smartdatacollective.com/dave-menninger/445221/big-data-grows-stratahadoop-world-2016) 增長，SmartDataCollective > ...過去幾年中，已經出現了大量尖端的，商業上可用的機器學習框架，包括非常成功的 scikit-learn Python 庫和廣為人知的庫版本，如 Google 的 Tensorflow 和 Microsoft Research 的 CNTK。 - Josh Schwartz，[機器學習不再僅僅是專家](https://hbr.org/2016/10/machine-learning-is-no-longer-just-for-experts)，哈佛商業評論 請注意，scikit-learn，TensorFlow 和 CNTK 都是 Python 機器學習庫。 > Python 功能多樣，簡單易學，功能強大，因為它在各種環境中都很有用，其中一些與數據科學無關。 R 是一個專門的環境，可以優化數據分析，但更難學習。如果你堅持使用 R 而不是使用 Python，你將獲得更多報酬 - Roger Huang，[數據科學性感：你的 Python 和 R 指南，哪一個最好](http://thenextweb.com/dd/2016/04/08/start-using-python-andor-r-data-science-one-best/)，TheNextWeb ### Quora 行情 以下是從 [Quora](https://www.quora.com/) 問題中使用 Python 進行機器學習的一些櫻桃選擇引文。 > Python 如果是一種流行的科學語言和機器學習的后起之秀。如果能從 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，而像 IPython 這樣的通信工具非常具有吸引力，是未來再現性的一個步驟。我認為用于機器學習和數據分析的 SciPy 堆棧可以用于一次性項目（如論文），而像 scikit-learn 這樣的框架可能已經足夠成熟，可以用于生產系統。 - 生產工程師 Aswath Muralidharan。響應 Quora 問題“[機器學習的前 5 種編程語言是什么？](https://www.quora.com/What-are-the-top-5-programming-languages-for-Machine-Learning) “ > 我還推薦 Python，因為它是一種非常棒的全面編程語言，對于繪制代碼片段和探索數據非常有用（使用 IPython shell），非常適合在分析流程鏈中記錄步驟和結果（IPython Notebook），為幾乎所有機器學習目標提供了大量庫，甚至可以針對生產系統實施進行優化。在我看來，在任何這些類別中都有一些優于 Python 的語言 - 但它們都沒有提供這種多功能性。 - Benedikt Koehler，創始人兼 CEO DataLion。回答 Quora 問題“[第一次學習機器學習時使用的最佳語言是什么？](https://www.quora.com/What-is-the-best-language-to-use-while-learning-machine-learning-for-the-first-time) “ > [...]這是因為語言可以為那些只想快速完成某些事情的人創造一個富有成效的環境。包裝 C 庫相當容易，而 C ++是可行的。這使 Python 可以訪問各種現有代碼。當實現事物時，語言也不會妨礙。在許多方面，它使編碼“再次有趣”，適用于各種任務。 - Shawn Masters，工程副總裁。響應 Quora 問題“ [Python 會變得像 Java 一樣流行，因為 Python 用于機器學習嗎？](https://www.quora.com/Will-Python-become-as-popular-as-Java-given-that-Python-is-used-in-Machine-Learning) “ > 在我看來，Python 真正支配這一類別。快速搜索幾乎所有人工智能，機器學習，NLP 或數據分析主題，再加上“Python”，將返回有用的，積極維護的庫的示例。 - 程序員 Ryan Hill。回答 Quora 問題“[哪種編程語言擁有最好的機器學習庫存儲庫？](https://www.quora.com/Which-programming-language-has-the-best-repository-of-machine-learning-libraries) “ ## 摘要 在這篇文章中，您發現 Python 是應用機器學習的增長平臺。 具體來說，您了解到： * 對機器學習感興趣的 Python 人數大于 R 并且正在增長。 * 為 Python 機器學習技能發布的作業數量大于 R 并且還在增長。 * 使用 Python 的受訪數據科學專業人員數量逐年增長。 **這是否影響了您開始使用 Python 生態系統進行機器學習的決定？** 在下面的評論中分享您的想法。