為什么要選擇Python語言實現(xiàn)機(jī)器學(xué)習(xí)算法

基于以下三個原因，我們選擇Python作為實現(xiàn)機(jī)器學(xué)習(xí)算法的編程語言：(1) Python的語法清晰；(2) 易于操作純文本文件；(3) 使用廣泛，存在大量的開發(fā)文檔。

可執(zhí)行偽代碼

Python具有清晰的語法結(jié)構(gòu)，大家也把它稱作可執(zhí)行偽代碼（executable pseudo-code）。默認(rèn)安裝的Python開發(fā)環(huán)境已經(jīng)附帶了很多高級數(shù)據(jù)類型，如列表、元組、字典、集合、隊列等，無需進(jìn)一步編程就可以使用這些數(shù)據(jù)類型的操作。使用這些數(shù)據(jù)類型使得實現(xiàn)抽象的數(shù)學(xué)概念非常簡單。此外，讀者還可以使用自己熟悉的編程風(fēng)格，如面向?qū)ο缶幊?、面向過程編程、或者函數(shù)式編程。不熟悉Python的讀者可以參閱附錄A，該附錄詳細(xì)介紹了Python語言、Python使用的數(shù)據(jù)類型以及安裝指南。

Python語言處理和操作文本文件非常簡單，非常易于處理非數(shù)值型數(shù)據(jù)。Python語言提供了豐富的正則表達(dá)式函數(shù)以及很多訪問Web頁面的函數(shù)庫，使得從HTML中提取數(shù)據(jù)變得非常簡單直觀。

Python比較流行

Python語言使用廣泛，代碼范例也很多，便于讀者快速學(xué)習(xí)和掌握。此外，在開發(fā)實際應(yīng)用程序時，也可以利用豐富的模塊庫縮短開發(fā)周期。

在科學(xué)和金融領(lǐng)域，Python語言得到了廣泛應(yīng)用。SciPy和NumPy等許多科學(xué)函數(shù)庫都實現(xiàn)了向量和矩陣操作，這些函數(shù)庫增加了代碼的可讀性，學(xué)過線性代數(shù)的人都可以看懂代碼的實際功能。另外，科學(xué)函數(shù)庫SciPy和NumPy使用底層語言（C和Fortran）編寫，提高了相關(guān)應(yīng)用程序的計算性能。本書將大量使用Python的NumPy。

Python的科學(xué)工具可以與繪圖工具M(jìn)atplotlib協(xié)同工作。Matplotlib可以繪制2D、3D圖形，也可以處理科學(xué)研究中經(jīng)常使用到的圖形，所以本書也將大量使用Matplotlib。

Python開發(fā)環(huán)境還提供了交互式shell環(huán)境，允許用戶開發(fā)程序時查看和檢測程序內(nèi)容。

Python開發(fā)環(huán)境將來還會集成Pylab模塊，它將NumPy、SciPy和Matplotlib合并為一個開發(fā)環(huán)境。在本書寫作時，Pylab還沒有并入Python環(huán)境，但是不遠(yuǎn)的將來我們肯定可以在Python開發(fā)環(huán)境找到它。

Python語言的特色

諸如MATLAB和Mathematica等高級程序語言也允許用戶執(zhí)行矩陣操作，MATLAB甚至還有許多內(nèi)嵌的特征可以輕松地構(gòu)造機(jī)器學(xué)習(xí)應(yīng)用，而且MATLAB的運算速度也很快。然而MATLAB的不足之處是軟件費用太高，單個軟件授權(quán)就要花費數(shù)千美元。雖然也有適合MATLAB的第三方插件，但是沒有一個有影響力的大型開源項目。

Java和C等強(qiáng)類型程序設(shè)計語言也有矩陣數(shù)學(xué)庫，然而對于這些程序設(shè)計語言來說，最大的問題是即使完成簡單的操作也要編寫大量的代碼。程序員首先需要定義變量的類型，對于Java來說，每次封裝屬性時還需要實現(xiàn)getter和setter方法。另外還要記著實現(xiàn)子類，即使并不想使用子類，也必須實現(xiàn)子類方法。為了完成一個簡單的工作，我們必須花費大量時間編寫了很多無用冗長的代碼。Python語言則與Java和C完全不同，它清晰簡練，而且易于理解，即使不是編程人員也能夠理解程序的含義，而Java和C對于非編程人員則像天書一樣難于理解。

所有人在小學(xué)二年級已經(jīng)學(xué)會了寫作，然而大多數(shù)人必須從事其他更重要的工作。
——鮑比·奈特

也許某一天，我們可以在這句話中將“寫作”替代為“編寫代碼”，雖然有些人對于編寫代碼很感興趣，但是對于大多數(shù)人來說，編程僅是完成其他任務(wù)的工具而已。Python語言是高級編程語言，我們可以花費更多的時間處理數(shù)據(jù)的內(nèi)在含義，而無須花費太多精力解決計算機(jī)如何得到數(shù)據(jù)結(jié)果。Python語言使得我們很容易表達(dá)自己的目的。

Python語言的缺點

Python語言唯一的不足是性能問題。Python程序運行的效率不如Java或者C代碼高，但是我們可以使用Python調(diào)用C編譯的代碼。這樣，我們就可以同時利用C和Python的優(yōu)點，逐步地開發(fā)機(jī)器學(xué)習(xí)應(yīng)用程序。我們可以首先使用Python編寫實驗程序，如果進(jìn)一步想要在產(chǎn)品中實現(xiàn)機(jī)器學(xué)習(xí)，轉(zhuǎn)換成C代碼也不困難。如果程序是按照模塊化原則組織的，我們可以先構(gòu)造可運行的Python程序，然后再逐步使用C代碼替換核心代碼以改進(jìn)程序的性能。C++ Boost庫就適合完成這個任務(wù)，其他類似于Cython和PyPy的工具也可以編寫強(qiáng)類型的Python代碼，改進(jìn)一般Python程序的性能。

如果程序的算法或者思想有缺陷，則無論程序的性能如何，都無法得到正確的結(jié)果。如果解決問題的思想存在問題，那么單純通過提高程序的運行效率，擴(kuò)展用戶規(guī)模都無法解決這個核心問題。從這個角度來看，Python快速實現(xiàn)系統(tǒng)的優(yōu)勢就更加明顯了，我們可以快速地檢驗算法或者思想是否正確，如果需要，再進(jìn)一步優(yōu)化代碼。