为什么学机器学习要选择 Python？

正文

请到「今天看啥」查看全文

作为机器学习、模式识别等方面经常使用的工具，MATLAB 被放在了第一个分析。Raschka 认为，MATLAB 在实现机器学习算法时要比 Python 或者 NumPy 更加自然。很多高校也在计算机科学相关的课程中教授 MATLAB 语言。然而，MATLAB 也存在很多的缺点：价格昂贵、非开源、性能表现平平、语法不符合程序员的习惯等。例如，MATLAB中矩阵乘积运算操作为 X.dot(Y)，而 Python 为 X@W ，更加简洁、明了。

各种语言相对于 C 的测试性能—— C 的性能为1.0，越小越好

从上图可以看出，MATLAB 的性能比 Python、Go、Java 等语言要差很多。 Raschka 也提到，上图中 Python 的性能也表现不好。但是，现在性能强劲的 GPU为Python 提供了强大的后盾。在2010年的时候， Python 中的 Theano 库在 CPU 上运行时，其速度是 NumPy 的1.8倍。而 Theano 在 GPU 上运行时，其速度就是 NumPy 的11倍。因此，在目前更高性能的 GPU 的帮助下， Python 性能已经有了更大的改进。

貌似很强大的 Julia

作为一门新型的语言，Julia 在设计之处就充分借鉴了 C/Ruby/Python 等语言的经验，试图重新融合众家之长，为科学计算提供一个有力的工具。Raschka 充分认可了该语言。然而，对于其未来 Julia 是否会流行，Raschka 持保留态度。

Bjarne Stroustrup：世界上只有两种语言——大家一直在抱怨的和无人问津的。

Raschka 认为一个语言是否有用又很大程度上取决于其是否流行。只有被广大编程人员所熟知的编程语言，相关的库才会更多，遇到问题时也能够方便的找到答案，且易于团队合作和代码分享。语言本身也会随着社区的关注不断得以改善。在流行度上，Julia 并没有什么优势。

请到「今天看啥」查看全文