什么是機器學習項目的合適編程語言？面對這個問題的答案，有人回答，當然是Python。Python是機器學習使用的事實上的編程語言。這是由于它的簡單性和可讀性，它使用戶可以專注于算法和結果，而不是浪費時間在有效地構造代碼并保持可管理性上。Python在各個項目之間也是一致的。人們使用與大多數語言相同的旗艦模塊（keras，scikit-learn，numpy），這與其他語言不同，例如具有大量庫和模式的Javascript或具有許多數據結構的Java。這些充裕的可能性和可能性需要程序員做出很多設計決策，并且不可避免地會帶來技術負擔。

python的簡單性，不僅提供了一種標準的處理方式，從而使應用程序的編寫者更輕松地進行工作，而且還使得審查代碼的其他人可以更輕松地進行檢查和改進。

　　模組

Python是模塊化的。這意味著它將外部庫用于各種任務和關注點。即使我之前提到python并沒有太多的模塊來執行相同的操作，但是它確實有許多模塊可以滿足開發人員可能遇到的任何用例或需求。

從現成的算法到圖形化的可視化工具。它們可用并且易于在任何項目中導入。

其中的簡要列表為：

·Keras，TensorFlow和Scikit學習頻繁的機器學習任務

·NumPy用于高性能科學計算和數據分析

·適用于高級計算的SciPy

·通用數據分析的熊貓

·Seaborn用于數據可視化

　　Docstrings

模塊(以及與此相關的功能)具有稱為Docstrings的功能。它們基本上是開發人員可以附加到功能和模塊的簡短說明，這些功能和模塊描述了應該執行的操作以及使用方法的說明。

這項怪癖使您無需轉到文檔頁面并瀏覽到您認為可能需要的每個功能。我節省了很多時間，而且我認為，這使開發人員將其功能和模塊保持在較小的范圍內，并專注于單一用途。

從長遠來看，這使得模塊/功能更可重用，并使工作更輕松。

　　歷史短

Python由GuidovanRossum于1991年創建，并由PythonSoftwareFoundation開發。它被設計為一種通用的高級編程語言。

編程語言的開發始于1980年，其目的是作為ABC編程語言的后繼產品，該語言與Amoeba操作系統接口并具有異常處理功能。如今，異常處理是大多數(如果不是全部)編程語言所共有的。

隨著時間的流逝，已經有2個版本的Python變得流行起來，并且至今仍在使用它們的人數上競爭。Pyhton2.X和Python3.x都有。

編程語言具有兩個旗艦版本是非常不尋常的。建議大多數軟件在其最新的穩定版本上使用。Python3.x是最新版本，具有所有各自的新功能，但是由于Python多年來在軟件領域得到了廣泛使用，因此Python2.x直到今天仍因其廣泛應用而受到廣泛使用：兼容性。

我猜這是實現一種編程語言的弊端，這種編程語言發生了很大的變化和演變，以致在許多使用情況下都不向后兼容。對于這種編程語言所做出的貢獻，這是一個值得權衡的問題。

　　隨時間變化的興趣

Python成為世界上最受歡迎的編碼語言已經走了很長一段路。在當今更加多樣化的編程領域（比以往更多的專業化領域）中，Python憑借其實用性而建立了自己的聲譽。

　　虛擬環境

穿越虛擬機，容器和持續集成的時代，Python還利用了虛擬環境。該工具通過消除與機器學習無關的常見錯誤，使編程更加輕松。

使用諸如Venv和Conda之類的工具來確保任何計算機都具有用于開發，調試和運行python應用程序的正確配置環境。上面提到的兩種方法都已被行業實踐所采用，但是Venv更加面向Python，而Conda則旨在用作一般的虛擬環境。

它們都采用了容器的方法，從而使環境易于使用，并且幾乎不需要或不需要任何配置。可能還有其他選擇，但是我知道這兩個是目前最常用的。

　　Python筆記本（改變游戲規則）

使用虛擬環境隔離python代碼庫的下一步是在云中協作且可共享的位置使用它們。就像GitHub

Python筆記本是一種工具，可將Python工作區環境與IDE一起直接提供給您的Web瀏覽器。沒有比這更容易的了！

我之所以說他們是改變游戲規則的原因，是因為共享代碼所帶來的問題已消失：版本控制，環境不兼容性以及實際花費的時間！

如果您愿意的話，簽出最新的機器學習模型和算法并進行調整和試驗，就像閱讀文檔或在Github上簽出代碼一樣輕松。現代的機器學習工具或教育網站（例如中培偉業）在很大程度上依賴于它們。解決Python和機器學習算法已經變得如此靈活且易于使用，以至于很難想象下一步會有什么突破……更多關于機器學習編程語言的信息，請繼續關注中培偉業。