Python 在机器学习领域的优势

来源：杭州达内IT教育培训学校时间：2021/11/24 14:29:51

　　Python 在机器学习领域的优势

　　虽然在上一小节叙述了Python的种种好处，但不可否认的是，确实存在诸如MATLAB和Mathematica这样的程序语言。它们对机器学习的支持也不错，MATLAB甚至还自带许多机器学习的应用。但是作为一个问心无愧的程序员，我们还是需要提倡支持正版，而MATLAB的正版软件需要花费数千美元。与之相对，由于Python是开源项目，几乎所有必要的组件都是完全0元的。

　　之前也提到过Python的速度问题，但是更快更底层的语言，比如C和C++，若使用它们来学习机器学习，会不可避免地引发这么一个问题：即使是实现一个非常简单的功能，也需要进行大量的编写和调试的过程;在这期间，程序员很有可能忘掉学习机器学习的初衷而迷失在代码的海洋中。笔者曾经尝试过将Python上的神经网络框架移植到C++上，这之间的折腾至今难忘。

　　此外，笔者认为、使用Python来学习机器学习是和“不要过早优化”这句编程界的金句有着异曲同工之妙的。Python(几乎)的缺陷—速度，在初期进行检验算法、思想正误及开发工作时，其实基本上不是重要问题。其中的道理是显而易见的：如果解决问题的思想存在问题，那么即使拼命去提高程序的运行效率，也只能使问题越来越大而已。这种时候，先使用Python进行实现，有必要时再用底层代码重写核心代码，从各方面来说都是一个更好的选择。

　　关于Anaconda

　　Python的强大有相当大一部分体现在它那浩如烟海的第三方库。在使用Python实现一个复杂功能时，如果没有特殊的需求，我们通常会先搜索Google有没有现成的第三方库，然后会搜索是否有相关联的第三方库，较后才会考虑自己重头实现。

　　第三方库是如此之多，从中挑选出心仪而合适的并非易事。幸运的是，就连这一点也有第三方软件进行了支持，那就是在Python科学计算领域非常出名的Anaconda。这是一个完全0元的软件，经常会进行各种更新;较重要的是，它把几乎所有常用且优异的科学计算库都集成在了一起。换句话说，只要你安装了Anaconda，就意味着拥有了一个完善精致的机器学习环境，基本上无须自己把要用到的库一个一个通过命令行来安装。

　　个机器学习样例

　　作为本章的总结，我们来运用Python解决一个实际问题，以便对机器学习有一个具体的感受。由于该样例只是为了提供直观感受，我们就拿比较有名的一个小问题来进行阐述。俗话说：“麻雀虽小，五脏俱全”，我们完全可以通过这个样例来对机器学习的一般性步骤进行一个大致的认知。

　　————————————————

　　版权声明：本文为CSDN博主「csdn_csdn__AI」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

　　原文链接：https://blog.csdn.net/heyc861221/article/details/80131325

尊重原创文章，转载请注明出处与链接：http://www.peixun360.com/2294/news/442162/违者必究！ 以上就是杭州达内IT教育培训学校 小编为您整理 Python 在机器学习领域的优势的全部内容。