如果你是机器学习方面的新手，你可能会想我应该学什么编程语言？现在不同的人正在使用不同的编程语言，但在这众多流行的高级编程语言中，哪一种最适合机器学习？

机器学习是发展最快的领域之一，在技术世界中见证了指数增长。机器学习没有最好的语言--这取决于你想要构建什么，要在这个领域工作，你只需要根据你自己的满意度、项目要求和喜好很好地学习一种特定的编程语言。只需探索其中一些主要使用的语言，并选择一个您的选择，您不需要接受任何人的建议。

1. C++

超高速C++编程语言在机器学习领域也非常流行。这种强大的语言得到了大多数机器学习平台的支持。如果你有一些使用C++的好的工作知识，那么用C++学习机器学习是个不错的主意。与大多数编程语言相比，C++更有效。许多强大的库，如TensorFlow和Torch都是用C++编程语言实现的，所以机器学习和C++确实是一个很好的结合。

• TensorFlow: Google的开放源码TensorFlow用于在任意CPU或GPU上使用数据流图进行数值计算，并对获取的任何信息进行决策。

• Torch: 一个开放源码的机器学习库，通过提供大量的算法，使科学和数值操作更加容易。它使效率和速度更容易和更高。

• Mlpack：一个超快、灵活的机器学习库，它提供了使用C++类的先进机器学习算法的快速和可扩展实现，这些类可以集成到更大范围的机器学习解决方案中。

2. Java

Java提供了许多很好的环境，如Weka、Knee、RapidMiner、Elka，这些环境用于使用图形用户界面执行机器学习任务。

• Weka：它是一个免费的、可移植的库，主要用于数据挖掘、数据分析和预测建模，并且最好用于机器学习算法。它易于与图形界面使用，并支持多个标准的数据挖掘任务，包括数据预处理、分类、聚类和特征选择。

• JavaML：Java API具有简单易用的接口，可以在Java中实现机器学习和数据挖掘算法的集合，并有清晰的编写和适当文档化的算法实现。

• Deeplearning4j：它是一个创新的、开源的分布式深度学习库，它为机器学习算法提供了一个广泛支持的计算框架。这个库对于识别模式、情感、声音和文本非常有用，并且是专为商业环境设计的。

• Elki：它是一种独特的开源数据挖掘框架，主要集中在数据挖掘算法和数据管理的独立评价和非监督方法上。它还允许任意数据类型、文件格式或距离或相似性度量.

3. Python

因为python很容易学习。可伸缩和开源。Python有许多令人敬畏的可视化软件包和有用的核心库，如Numpy、Sciy、pandas、matplotlib、seabunn、skLearning，它们确实使您的工作非常轻松。

• Numpy: 数字Python或Numpy是一个用于Python的线性代数库，它具有强大的数据结构，可以高效地计算多维数组和矩阵。

• Pandas: 它是最流行的Python库，它为数据分析提供了高度优化的性能。

• Matplotlib: 它是一个流行的python绘图库，用于创建基本图表，如线条图、条形图、直方图等等。

• Seaborn: 提供用于创建有吸引力的图形的高级接口。

• SCI-kit：它用于数据挖掘和数据分析，实现了分类、回归、聚类等多种机器学习算法，包括支持向量机、随机森林算法、梯度增强算法、k均值算法等。

4. R

R是一种非常流行的编程语言，用于机器学习中的统计计算、分析和可视化。它是一种很好的基于图形的语言，可以通过facebook、google等的数据专业人员使用图表来探索统计数据。尽管R在生物工程和生物医学统计方面非常可取，但它在实现机器学习(如回归、分类和决策树生成)方面也很受欢迎。

• XgBoost：这是用于实现梯度增强框架，并由于其性能和速度的流行。它支持各种目标函数，如回归、分类和排名，并且是可扩展的，这样您就可以轻松地定义自己的目标。

• MLR：它是一个可扩展的分类、回归和聚类问题框架，并且通过S3继承具有易于扩展的机制。

• Party：此包用于递归分区。该软件包用于建立基于条件推理算法的决策树。这套方案也是广泛的，这减少了培训时间和偏见。

• CARET：该软件包是针对给定业务问题的几种不同算法的模型训练和预测相结合而开发的，有助于选择最佳的机器学习算法。

5.JavaScript

它是应用最广泛、层次较高、动态类型化的语言之一，具有灵活性和多范式性。JavaScript在ML中也非常流行，因此像Google的Tensorflow.js这样的高调项目都是基于JavaScript的。如果您是Javascript的大师，那么您可以完成从全堆栈到机器学习和NLP的所有工作。

• Brain.js：它是一个GPU加速，易于集成在JavaScript中的神经网络，它与浏览器中的Node.js一起使用，并提供多个神经网络实现来训练如何做好不同的事情。这是如此简单的使用，以至于你不需要知道神经网络的细节来处理这个问题。

• Tensorflow.js：它是一个流行的JavaScript机器学习库。您可以使用灵活的API直接在JavaScript中构建和训练模型，机器学习中的几乎任何问题都可以使用Tensorflow.js解决。您还可以使用自己的数据重新培训现有的ML模型。

• Js：它是Javascript的救世主，它是python的ScikitLearn库的替代品。它为有监督和无监督的学习提供了聚类、分解、特征提取模型和实用工具。

• Face-api.js：一个现成的API，其中包括实现众所周知的人脸检测和识别模型，这是预先培训与广泛的数据集。它为您提供了直接插入任何Node.js和浏览器环境的灵活性。这个库是轻量级的，可以在移动浏览器和Web浏览器上使用，不存在任何问题。

+QQ群560434603领取学习资料及教程