小白入门机器学习必备：编程语言环境介绍及搭建-CSDN博客

本文链接：https://blog.csdn.net/zw0Pi8G5C1x/article/details/104140545

导读：工欲善其事，必先利其器，机器学习也不例外。算法原理理解得再清楚，最终也需要通过编写代码来真正实现功能和解决问题。

本文将介绍当前机器学习主流的编程语言环境，当前机器学习使用最多的编程语言是Python，在业界口碑一直不错的Python语言借着机器学习的东风一下跻身编程语言热门榜的首位。

本文还将介绍Python语言下机器学习相关的支持库，包括科学计算支持库Numpy、机器学习库Scikit-Learn和数据处理库 Pandas。想要在实际工作中使用机器学习解决具体问题时，使用这些支持库将大大提升效率。

作者：莫凡

来源：大数据DT（ID：hzdashuju）

01 常用环境

一般来说，算法理论的实践方式有两种，一种是自己动手将算法用代码都实现一遍，另一种则是充分利用工具的便利性，快速了解掌握现有资源后，随即开始着手解决现实问题。

对于要不要重复造轮子的争论，我想是很难有决断的，两种方法各有利弊，这里我们选用第二种，这也贯彻了本文的宗旨：不是为了学习知识而制造知识，而是为了解决问题去学习知识。

机器学习经过这几年的高速发展，已经积累了非常丰富的开放资源，通过充分利用这些资源，哪怕此前你对这个领域不了解，也能快速掌握并着手解决实际问题。

首先是编程语言，我们选择Python。在前些年，Python和R语言在机器学习领域保持着双雄并立的局面，大致可以认为工业界偏爱Python而学术界偏爱R，但随着技术发展，特别是这几年深度学习所需的支持库毫无例外地都选择了用Python实现之后，Python语言已经成为机器学习领域毫无疑问的“老大”。

由于机器学习的火热，Python甚至拥有了与传统编程语言C和Java一较高下的底气，在多种编程语言排行榜上都大有后来居上的趋势。那么Python，决定就是你了！

接下来是支持库Numpy。机器学习涉及矩阵运算等大量数学运算，好在Python有两大特点，一是灵活，二是库多，Numpy就是Python中专门设计用于科学计算的专业支持库，在业界有口皆碑。不只是机器学习，其他科学领域譬如天体物理涉及的数学运算，要么直接使用Numpy，要么基于Numpy构建更高层的功能库。

最后是算法库Scikit-Learn。基于Python的机器学习算法库实际上有很多，每过一段时间就会冒出个“前五”“前十”这样的排行，但稳坐榜首的一直是Scikit-Learn。

它不但种类齐备，市面上见得到的机器学习算法基本上都能在此找到对应的API，简直是一家“机器学习算法超市”，而且封装良好、结构清晰，你可以通过简单几行代码就能完成一个复杂算法的调用，是机器学习领域入门的福音，更是进阶的法宝。

另外再加上一个Pandas数据处理库。它内置许多排序、统计之类的实用功能，属于“没它也不是不行，但有它会方便很多”的角色。业界实现机器学习，基本上都会用到Numpy、Scikit-Learn和Pandas这三件套。

02 Python简介

Python是一种动态的高级编程语言，与C和Java需要编译执行不同，Python代码是通过解释器解释执行，一个明显的区别是，Python的数据类型不用事先声明，语法更为灵活多变，代码看起来也更加简洁，用C和Java需要十行代码才能写明白的意思，可能用Python写一行就可以了。

高效快速是Python引以为傲的特点，Python社区甚至流传一句口号：“Life is short, I use Python.”

Python仍在不断迭代，而且并不向前兼容，这也导致当前Python分裂成两大版本分支，即Python 2.X和Python 3.X，虽然从语法上看还不至于成为两款语言，但二者代码是无法混用的，对于版本的选择也是开始学习使用Python时所要确定的第一件事。

之前一般认为，Python 2.X的发展时间更长，各方面的支持库更多且更成熟，不少人推荐从这个版本入手。但随着Python团队宣布将于2020年停止对Python 2.X的维护，各大社区都早已开始了从2.X向3.X迁移的工作，所以现在开始学Python的话更建议选择3.X。Python官网见图2-1。