目前，機器學習牽涉的編程語言十分多樣，包括了MATLAB、Julia、R、Perl、Python、Ruby等等。首先，Raschka定義 了語言好壞的原則：一門好的語言應該使得編寫、調(diào)試和執(zhí)行代碼的總時間最短。然后，他花大篇幅講述了一個簡單的道理--沒有一門語言是對所有情況、所有人都十分適合的。

　　但Roberto Waltman博士分析：“在這種唯一正確的方式下，面向?qū)ο蟮腟paghetti code就是Lasagna code。”針對具體的應用場景以及參與項目的人員，開發(fā)團隊或個人要對任務需求進行評估，再結(jié)合人員對于各個語言的熟悉程度和語言生態(tài)環(huán)境的情況等等，作出選擇。接下來，Raschka開始正式點評各個語言相對與Python在機器學習時的優(yōu)缺點。

　　作為機器學習、模式識別等方面經(jīng)常使用的工具，MATLAB被放在了第一個分析。Raschka認為，MATLAB在實現(xiàn)機器學習算法時要比Python或者 NumPy 更加自然。很多高校也在計算機科學相關的課程中教授MATLAB語言。然而，MATLAB也存在很多的缺點：價格昂貴、非開源、性能表現(xiàn)平平、語法不符合程序員的習慣等。例如，MATLAB中矩陣乘積運算操作為 X.dot(Y) ，而Python為 X@W ，更加簡潔、明了。

　　從上圖可以看出，MATLAB的性能比Python、Go、Java等語言要差很多。Raschka也提到，上圖中Python的性能也表現(xiàn)不好。但是，現(xiàn)在性能強勁的GPU為Python提供了強大的后盾。在2010年的時候，Python中的 Theano庫 在CPU上運行時，其速度是NumPy的1.8倍。而Theano在GPU上運行時，其速度就是NumPy的11倍。因此，在目前更高性能的GPU的幫助下，Python性能已經(jīng)有了更大的改進。

　　最后，Raschka夸贊了自己所喜愛的Python語言。盡管Python已經(jīng)走過了20多年的風雨歷程，Raschka認為它仍然可以繼續(xù)流行下去。而且，Raschka還不遺余力的列出了自己最喜歡的Python工具--NumPy、Theano、 scikit-learn 、 matplotlib等。

　　Python的優(yōu)勢在智能時代、大數(shù)據(jù)時代愈加凸顯出來，奇酷教育Python高級開發(fā)培訓班，0元入學，先就業(yè)后付款;一周免費試聽，不滿意不繳費;完善的就業(yè)服務體系，保障就業(yè)。在這里，你不光能夠?qū)W會如何編寫程序，還能夠?qū)W會如何編寫高質(zhì)量的程序，一躍成為專業(yè)的工程師!

　　奇酷教育原創(chuàng)開發(fā)的Python培訓課程不僅涵蓋Web前后端開發(fā)和網(wǎng)絡爬蟲技術，還包括獨有的數(shù)據(jù)分析和機器學習，前端、服務端一網(wǎng)打盡。可從事Web前端、Web服務端、服務器運維、網(wǎng)絡爬蟲、大數(shù)據(jù)分析、機器學習等多種熱門職業(yè)，學員百分百高薪就業(yè)!