机器学习开发语言PK 智能时代谁能主导未来
来源：
奇酷教育 发表于：
从无人驾驶汽车到股市预测，再到在线学习，机器学习通过预测来进行自我提高的方法几乎被用在了每一个领域。由于机器学习的实际运用，目
从无人驾驶汽车到股市预测，再到在线学习，机器学习通过预测来进行自我提高的方法几乎被用在了每一个领域。由于机器学习的实际运用，目前它已经成为就业市场上最有需求的技能之一。但是机器学习的初学者，普遍需要面对一个问题：到底学习哪个编程语言？
下面，我们来看看四大主流机器学习语言--R语言、Java 、C/C++ 和 Python，希望能解答你心中的疑惑。
R 语言
R 是一个专门设计来进行数据计算的语言工具。在大规模数据挖掘、可视化和报告的应用场景中，它处于领先地位。通过 CRAN 资源库，你能轻易获得海量工具包，能应用于几乎所有的机器学习算法、数据测试和分析过程。R 语言用于表达关系、转化数据以及进行并行操作的语法十分优雅，但略显深奥。
消息，KDNuggets 最近的调查发现，在分析、挖据和其他数据科学任务中，R 是最受欢迎、最常用的语言。但近年来 Python 逐渐抢走更多用户。
Java
入门必读 机器学习六大开发语言
Java 是大多数软件工程师的选择。这是由于在面向对象的编程中，它干净、一致的执行方式；以及使用 JVMs 的平台独立性。它牺牲了简洁和灵活性，以使代码更清楚明白，并提高可靠性。这使它广泛应用于重要级别较高的企业软件系统中。为了维持相同水平的可靠性，并避免编写出乱七八糟的界面。
在分析和设计原型上，java 有许多很有用的工具和库（比如 Weka）。除此之外，在开发大规模分布式学习系统上，Java 有很多一流的选择：比如 Spark+MLlib, Mahout, H2O 和 Deeplearning4j。但开发效率过慢，这也成为Java让不少企业又爱又恨的原因。
C/C++
C/C++ 是编写底层软件的理想语言，比如操作系统的某部分或网络草案。计算速度和内存效率在这些应用场景中十分关键。出于同样的原因，它们也是执行机器学习底层步骤的通用选项。但是，由于缺乏对数据处理的惯用抽象化，而且内存管理加重了写代码的负担，使它们对初学者十分不友好。开发完整的端到端系统中使用 C/C++ 也是一项负担。
在嵌入式系统的例子中，比如智能设备、汽车和传感器，使用 C 或者 C++ 语言可能是必需的。若现有平台基础或特定应用已使用了 C/C++，使用它们会更方便。另外，基于 C/C++ 的机器学习库也有不少，比如 LibSVM, Shark 和 mlpack。
Python
虽然 Python 是一门通用型的编程、编写脚本的语言，但它逐渐在数据科学家和机器学习工程师之间流行起来。与 R 和 MATLAB 不同的是，数据处理和科学计算的惯用语法并没有内置于 Python 语言中，但 NumPy、SciPy 和 Pandas 这些库把 Python 这方面的的功能性提到了与 R 和 MATLAB 同等的水平。还有人认为这使 Python 的语法更易用。
有海量开源框架支持 Python：比如 Scikit-learn、Theano、TensorFlow。这些专业机器学习库使开发者训练机器学习模型更便捷，有的还能很好地支持分布式计算。通常，这些资料库中关乎性能表现的代码，大多数仍然用 C 或 C++ 编写，有的甚至用 Fortran；Python 的角色主要是作为 wrappers 或者 API。
Python 生态系统最大的优势在于：用它组合出一个复杂的端到端产品或服务比较容易，比如说使用 Django 或 Flask 的网络应用，还有使用 PyQt的桌面应用，甚至是使用 ROS 的自主机器人代理。
值得一提的是，包括 MIT、加州大学伯克利分校在内的美国顶级学府，已经把 Python 作为计算机新生的必修语言。可以预期，将来会有更多的 IT 顶级名校转向 Python，与之相对的它在工业界的不断普及。
总而言之，在机器学习领域，Python 是一个全能多面手，许多人认为它是未来的大趋势。
Python的崛起也奠定了未来机器学习领域的主要地位，在人工智能时代，Python必然会成为最常用的主流语言，奇酷教育原创开发的
Python培训课程www.qikuedu.com不仅涵盖Web前后端开发和网络爬虫技术，还包括独有的数据分析和机器学习，前端、服务端一网打尽。可从事服务器运维、网络爬虫、大数据分析、机器学习、人工智能研究等多种热门职业，学员百分百高薪就业!
