7个最佳机器学习编程语言
机器学习在过去几年中急剧增长。尽管它是一门古老的学科，几乎与计算机科学本身同样古老，但它直到最近才变得流行和普遍。
这是因为大量数据和计算能力的可用性。它也成为了软件工程师的一个有利可图的专业领域，本文将介绍用于 machine learning 的编程语言。
机器学习是什么？
机器学习是一门学科，我们在此构建机器（计算机程序），通过从数据中学习推断出如何产生正确的输出给定任何输入的规则。
这与普通编程的方式形成对比，我们在其中明确告诉计算机如何使用我们设计的算法来产生输出。这在我们不知道如何明确给定输入产生输出的情况下特别有用，或者对我们来说明确写下算法不方便的情况下特别有用。
机器学习的技能
- 编程 – 机器学习涉及编写代码以构建和训练不同的模型。因此，学习编写程序非常重要。本文将讨论应该学习哪些机器学习编程语言。
- 数学 – 数学在机器学习中也非常重要。涉及的数学程度取决于您希望深入了解机器学习的程度。对于大多数情况来说，掌握线性代数、微积分、概率和统计学的知识就足够了。
- 数据库 – 了解与数据库进行交互也非常有用。特别是了解 SQL 数据库，因为这些是最常用的数据库。这是因为机器学习涉及大量数据，并且您需要知道如何有效地查询它。基本的SQL应该足够了。
最佳机器学习编程语言
以下是学习机器学习的最佳语言列表。虽然这个列表不是详尽无遗的，但它建议了我认为在这个学科中最有用的几种语言。
机器学习的低级语言
在机器学习中，低级语言通常被认为更难学习和使用。然而，它们具有速度和效率的巨大优势。
在机器学习中，简单操作在大型数据集上执行数百万次，训练速度很重要。稍微快一点的操作可能是几分钟和几小时、几天甚至更长时间的训练之间的区别。最常见的低级语言是R、C++和Java。
R
R 是数据科学中主要使用的语言之一，与 Python 并列。它是一种具有出色的可视化功能的统计语言。由于其专注于成为统计语言，与更通用的语言相比，在统计方面更容易使用。
这是因为它提供了内置函数来执行常见任务，否则需要在不同语言的包中完成。例如，它内置了用于向量和矩阵等对象的数据类型。
除了内置函数外，R还有像Lattice、DataExplorer、Caret和Janiot这样的包，可以用于机器学习。因此，它已成为最好的机器学习编程语言之一。如果你想学习R，这里是一个 how to get started。
C++
C++ 是世界上最快的编程语言，因为它的编译效率非常高。由于其速度，C++是一种很好的机器学习编程语言。
它具有丰富的库支持，可以实现在机器学习中常用的功能。其中包括SHARK和MLPack。事实上，最受欢迎的用于机器学习的Python软件包，如PyTorch和Tensorflow，都是在底层使用C++实现的。
C++允许您简化对内存、CPU和GPU操作等资源的使用。因此，如果您擅长C++，可以编写性能更好的模型并降低训练规模。
Java
Java是世界上最流行的编程语言之一，主要因其普及性和可靠性而使用。它被世界上一些最大的技术公司用于构建企业应用程序。
Java非常适合机器学习，因为它比其他语言（如Python）更快。它被Netflix和LinkedIn等公司用于构建其机器学习流水线。
它与大数据管理解决方案（如Apache Kafka）和分布式计算框架（如Apache Spark和Hadoop）很好地集成。其用于机器学习的工具库包括DeepLearning4J，ELKI，JavaML，JSat和Weka。Java的速度、可靠性和广泛的库使其成为另一种用于机器学习的良好编程语言。
中级语言
中级语言可以看作是低级语言和高级语言之间的折衷方案。它们试图兼顾两者的优点，并因此提供了一些简化代码的抽象和保持模型性能的速度。在该类别中最流行的语言是Julia和Lisp。
Julia
Julia是一种通用的编程语言，通常用于数值分析和计算科学。与Python一样，Julia是动态类型的，因此更容易使用。
事实上，它的设计目标是与Python一样易于使用和简单。然而，它避免了Python的性能问题，并试图与C编程语言一样高效。Julia的优点之一是向量化代码的运行速度仅比非向量化代码稍快。这使得向量化代码几乎不必要。
Julia还有很多用于构建机器学习模型的软件包。截至撰写本文时，Julia有约7400个用于实现线性代数、Neural Networks、导入和读取数据以及数据可视化等功能的软件包。因此，Julia被认为是机器学习中Python的最佳和最自然的替代品。
Lisp
Lisp是一种快速的编程语言，自1960年以来一直存在，使其成为仍在使用的第二古老的编程语言，最古老的是Fortran。
随着时间的推移，Lisp发生了变化，并出现了许多方言。最常见的方言称为Common Lisp。它是多范式的，支持动态和强类型。
它非常适合AI和机器学习，因为它可以很好地处理符号计算。Lisp是灵活的，允许您使用动态和强类型范式编码。
它也很快，从而缩短了模型的训练时间。此外，Lisp允许您定义自己的子语言以处理更复杂的情况。它具有MGL和CLML等库，可用于执行常见的机器学习任务。
高级编程语言
Python
Python是迄今为止最流行的机器学习语言。它是一种通用语言，起源于1995年。从那时起，它在流行度上不断增长，成为最常用的编程语言。
这并非偶然，而是因为Python的设计目标是优雅和简单。这使得它易于学习和适合初学者，即使对于没有编程经验的人也是如此。
由于其流行度，Python拥有庞大的社区和大量的学习资源。它还拥有用于机器学习的库，如Tensorflow和PyTorch，用于数值计算的库，如NumPy，以及用于数据管理的库，如Pandas。由于Python可以与用C++和C编写的程序进行接口，因此可以通过使用这些语言编写的库使其更快。这就是大多数Python机器学习库的编写方式。这使得您的Python代码具有高性能。
因此，Python是最受欢迎的机器学习语言之一，也是您一定要学习的语言。
JavaScript
JavaScript是世界上最流行的编程语言之一。虽然它起初是用于脚本编写网页的语言，但现在已经发展成为一种用于几乎任何用途的通用语言。
它的用途包括编写服务器端代码、创建桌面和移动应用程序，以及构建机器学习模型。JavaScript作为一种机器学习语言的强大之处在于它的普及性。也就是说，大多数设备只需通过浏览器就可以运行JavaScript代码。
虽然大多数设备没有GPU来运行大型模型，但在浏览器中训练和使用较小的模型仍然是有益的。这样做可以使您构建能够在不需要将敏感用户数据发送到服务器的情况下训练模型的能力。
您还可以使用JavaScript来实现更快的预测。这是因为大多数机器学习应用会将数据发送到服务器并返回预测结果。因此，预测的速度会受到连接的速度的影响，这可能会导致不良的用户体验。
您还可以使用使用JavaScript构建的移动应用程序中运行的模型。使用JavaScript进行机器学习的库包括ML5.js、Synaptic和Brain.js。
机器学习必学语言
虽然所有这些语言对于机器学习都很有用，但我认为Python是必不可少的。除了Python，您还可以学习其他语言，如Julia或C++，以加速您的代码，但大多数机器学习是使用Python完成的。
所以如果您想成为机器学习工程师，您至少应该了解Python。除了Python语言外，您还应该了解NumPy，这是一个用于数值计算的Python库。
最后的话
由于其流行度和生态系统，我认为Python不会很快消失。因此，如果您有兴趣成为机器学习工程师，学习Python是很有用的。与其他语言相比，它也更容易学习，并且适合初学者。因此，它是一种理想的第一语言。
在学习Python之后，学习C++也是有意义的，因为大多数用于机器学习的Python库都是用C++编写的。这将使您可以在库本身上工作，并通过在C++中扩展Python代码来加快其速度。除此之外，您可以选择任何其他语言，例如Julia或R。
