0
機(jī)器學(xué)習(xí)的初學(xué)者，普遍需要面對(duì)一個(gè)問題：
到底學(xué)習(xí)哪個(gè)編程語言？
答案可能會(huì)讓你驚訝：對(duì)高手來說，這關(guān)系不大。只要你了解所選語言的機(jī)器學(xué)習(xí)庫和工具，語言本身其實(shí)沒那么重要。相當(dāng)多的機(jī)器學(xué)習(xí)庫支持多種編程語言。當(dāng)然，取決于你在公司中的開發(fā)角色和你需要實(shí)現(xiàn)的任務(wù)，有些語言、庫和工具會(huì)比其他的更高效。下面，我們來看看六大主流機(jī)器學(xué)習(xí)語言——R 語言、MATLAB、Python、Java 、C/C++ 和 Lisp。
R 是一個(gè)專門設(shè)計(jì)來進(jìn)行數(shù)據(jù)計(jì)算的語言工具。在大規(guī)模數(shù)據(jù)挖掘、可視化和報(bào)告的應(yīng)用場景中，它處于領(lǐng)先地位。通過 CRAN 資源庫，你能輕易獲得海量工具包，能應(yīng)用于幾乎所有的機(jī)器學(xué)習(xí)算法、數(shù)據(jù)測試和分析過程。R 語言用于表達(dá)關(guān)系、轉(zhuǎn)化數(shù)據(jù)以及進(jìn)行并行操作的語法十分優(yōu)雅，但略顯深?yuàn)W。
雷鋒網(wǎng)消息，KDNuggets 最近的調(diào)查發(fā)現(xiàn)，在分析、挖據(jù)和其他數(shù)據(jù)科學(xué)任務(wù)中，R 是最受歡迎、最常用的語言。但近年來 Python 逐漸搶走更多用戶。
KDNuggets 2015 民意調(diào)查: 分析、挖據(jù)和數(shù)據(jù)科學(xué)任務(wù)中最常用的編程語言是 R。
MATLAB 在學(xué)術(shù)界十分普及，這是因?yàn)椋?/p>
它強(qiáng)大的數(shù)學(xué)處理能力；
對(duì)代數(shù)、微積分有豐富支持；
支持符號(hào)計(jì)算；
對(duì)不同學(xué)科（從數(shù)字信號(hào)處理到計(jì)算生物學(xué)）有一系列豐富的工具箱。
這門基于矩陣的語言，經(jīng)常應(yīng)用于機(jī)器學(xué)習(xí)算法的原型設(shè)計(jì)，有時(shí)還被用于開發(fā)復(fù)雜的解決方案。它的商用許可特別貴，但對(duì)有些企業(yè)用戶來說也許值得，因?yàn)樗梢源蠓鶞p少開發(fā)、研究耗費(fèi)的時(shí)間和精力。AI 大牛吳恩達(dá)就推薦初學(xué)者使用 Octave 或 MATLAB 入門。相比之下，Octave 是 MATLAB 的一個(gè)免費(fèi)替代品，它們十分相似，有幾乎相同的語法。只是 Octave 的工具箱更少一些，IDE 也不如 MATLAB 成熟。
雖然 Python 是一門通用型的編程、編寫腳本的語言，但它逐漸在數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師之間流行起來。與 R 和 MATLAB 不同的是，數(shù)據(jù)處理和科學(xué)計(jì)算的慣用語法并沒有內(nèi)置于 Python 語言中，但 NumPy、SciPy 和 Pandas 這些庫把 Python 這方面的的功能性提到了與 R 和 MATLAB 同等的水平。還有人認(rèn)為這使 Python 的語法更易用。
有海量開源框架支持 Python：比如 Scikit-learn、Theano、TensorFlow。這些專業(yè)機(jī)器學(xué)習(xí)庫使開發(fā)者訓(xùn)練機(jī)器學(xué)習(xí)模型更便捷，有的還能很好地支持分布式計(jì)算。通常，這些資料庫中關(guān)乎性能表現(xiàn)的代碼，大多數(shù)仍然用 C 或 C++ 編寫，有的甚至用 Fortran；Python 的角色主要是作為 wrappers 或者 API。R 語言包與之類似。
Python 生態(tài)系統(tǒng)最大的優(yōu)勢(shì)在于：用它組合出一個(gè)復(fù)雜的端到端產(chǎn)品或服務(wù)比較容易，比如說使用 Django 或 Flask 的網(wǎng)絡(luò)應(yīng)用，還有使用 PyQt 的桌面應(yīng)用，甚至是使用 ROS 的自主機(jī)器人代理。
值得一提的是，慕課三巨頭 （edX, Coursera, and Udacity）全都提供了 Python 的入門課程。另外，包括 MIT、加州大學(xué)伯克利分校在內(nèi)的美國頂級(jí)學(xué)府，已經(jīng)把 Python 作為計(jì)算機(jī)新生的必修語言。可以預(yù)期，將來會(huì)有更多的 IT 頂級(jí)名校轉(zhuǎn)向 Python，與之相對(duì)的它在工業(yè)界的不斷普及。
總而言之，在機(jī)器學(xué)習(xí)領(lǐng)域，Python 是一個(gè)全能多面手，許多人認(rèn)為它是未來的大趨勢(shì)。
Java 是大多數(shù)軟件工程師的選擇。這是由于在面向?qū)ο蟮木幊讨?，它干凈、一致的?zhí)行方式；以及使用 JVMs 的平臺(tái)獨(dú)立性。它犧牲了簡潔和靈活性，以使代碼更清楚明白，并提高可靠性。這使它廣泛應(yīng)用于重要級(jí)別較高的企業(yè)軟件系統(tǒng)中。為了維持相同水平的可靠性，并避免編寫出亂七八糟的界面，正在使用 Java 的企業(yè)傾向于在機(jī)器學(xué)習(xí)應(yīng)用中繼續(xù)使用該語言。
在分析和設(shè)計(jì)原型上，java 有許多很有用的工具和庫（比如 Weka）。除此之外，在開發(fā)大規(guī)模分布式學(xué)習(xí)系統(tǒng)上，Java 有很多一流的選擇：比如 Spark+MLlib, Mahout, H2O 和 Deeplearning4j。騰訊一個(gè)月前開源的大數(shù)據(jù)計(jì)算平臺(tái) Angel 也是使用的 Java。這些框架/庫對(duì)業(yè)界標(biāo)準(zhǔn)的數(shù)據(jù)處理和存儲(chǔ)系統(tǒng)十分友好（比如Hadoop/HDFS），使它們之間的兼容、整合十分方便。
C/C++ 是編寫底層軟件的理想語言，比如操作系統(tǒng)的某部分或網(wǎng)絡(luò)草案。計(jì)算速度和內(nèi)存效率在這些應(yīng)用場景中十分關(guān)鍵。出于同樣的原因，它們也是執(zhí)行機(jī)器學(xué)習(xí)底層步驟的通用選項(xiàng)。但是，由于缺乏對(duì)數(shù)據(jù)處理的慣用抽象化，而且內(nèi)存管理加重了寫代碼的負(fù)擔(dān)，使它們對(duì)初學(xué)者十分不友好。開發(fā)完整的端到端系統(tǒng)中使用 C/C++ 也是一項(xiàng)負(fù)擔(dān)。
在嵌入式系統(tǒng)的例子中，比如智能設(shè)備、汽車和傳感器，使用 C 或者 C++ 語言可能是必需的。若現(xiàn)有平臺(tái)基礎(chǔ)或特定應(yīng)用已使用了 C/C++，使用它們會(huì)更方便。另外，基于 C/C++ 的機(jī)器學(xué)習(xí)庫也有不少，比如 LibSVM, Shark 和 mlpack。
這可是 AI 編程語言的祖師。就雷鋒網(wǎng)所知，Lisp 誕生于 1958 年，是有史以來第一個(gè)用于 AI 的計(jì)算機(jī)語言。該語言十分靈活、并可擴(kuò)展。它的一些屬性，比如快速原型設(shè)計(jì)和方便的“宏”使用（macro utility），在 AI 開發(fā)中十分有用。編寫復(fù)雜程序使用 Lisp 相對(duì)容易。它是一個(gè)能用簡單的方式創(chuàng)造強(qiáng)大算法的語言。
Lisp 有著清楚的映射，用它進(jìn)行系統(tǒng)性的改變相對(duì)容易。它的 Read-eval-print 回路（讀取-求值-輸出的回路，簡稱 REPL）提供了交互性的開發(fā)環(huán)境。動(dòng)態(tài)類型（Dynamic typing）、condition system 以及強(qiáng)大的對(duì)象系統(tǒng)（object system）是 Lisp 主要特點(diǎn)，使它一度成為 AI 領(lǐng)域最常用語言之一。目前雖然在國內(nèi)比較小眾，但業(yè)內(nèi)公認(rèn)它是最強(qiáng)大的機(jī)器學(xué)習(xí)語言之一。
這些語言之外，還有幾個(gè)用于數(shù)據(jù)建模和和企業(yè)分析的商業(yè)化產(chǎn)品，它們能在具有更高可控性的數(shù)據(jù)處理環(huán)境中應(yīng)用機(jī)器學(xué)習(xí)模型。 RapidMiner, IBM SPSS, SAS+JMP 和 Stata 都屬于這類產(chǎn)品。它們旨在為數(shù)據(jù)分析提供可靠的端到端解決方案，并通常有可編程 API 以及可編寫腳本的語法。
不斷普及的基于機(jī)器學(xué)習(xí)的云服務(wù)，是該領(lǐng)域的最新發(fā)展。這包括亞馬遜機(jī)器學(xué)習(xí)，Google Prediction, DataRobot, IBM Watson （沃森） 和 Microsoft Azure。對(duì)于把學(xué)習(xí)方案擴(kuò)展到對(duì)海量數(shù)據(jù)的處理，以及用不同模型進(jìn)行快速測試，它們向客戶提供了解決方案。只要你有堅(jiān)實(shí)的機(jī)器學(xué)習(xí)基礎(chǔ)，使用新產(chǎn)品或者新平臺(tái)就相當(dāng)于學(xué)習(xí)怎么使用一個(gè)新工具。
選擇語言/庫時(shí)一個(gè)很重要的考慮是如何平衡開發(fā)時(shí)間和執(zhí)行時(shí)間。如果需要幾個(gè)月來開發(fā)，一個(gè)能在幾分鐘內(nèi)完成數(shù)據(jù)處理的學(xué)習(xí)通道也或許一文不值?？焖俚貏?chuàng)建、測試原型非常重要，因?yàn)槭状螄L試一般都是失敗的，開發(fā)者需要不斷重復(fù)。
這就是為什么有經(jīng)驗(yàn)的機(jī)器學(xué)習(xí)工程師會(huì)如此搶手：他們做開發(fā)時(shí)，會(huì)使用任何用著順手的工具/語言/庫。就雷鋒網(wǎng)所知，在 AI 產(chǎn)品開發(fā)中，這是一個(gè)經(jīng)常發(fā)生的場景：用 Python、R 這些高層語言開發(fā)算法原型，然后把方案轉(zhuǎn)移到 Java 或者 C/C++ 上，來生產(chǎn)終端產(chǎn)品。因此，想成為高層次的機(jī)器學(xué)習(xí)開發(fā)者，只會(huì)一種語言是不夠的。
相關(guān)文章：
谷歌、微軟、OpenAI 等巨頭的七大機(jī)器學(xué)習(xí)開源項(xiàng)目 看這篇就夠了
盤點(diǎn)四大民間機(jī)器學(xué)習(xí)開源框架：Theano、Caffe、Torch 和 SciKit-learn
BAT 在下一盤大棋？深度盤點(diǎn)國內(nèi)四大機(jī)器學(xué)習(xí)開源平臺(tái)
IEEE Spectrum公布編程語言最新排行：大數(shù)據(jù)是贏家
Google試水—Go語言也要冒險(xiǎn)嘗試機(jī)器學(xué)習(xí)？
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
