大家好，今天小编关注到一个比较有意思的话题，就是关于python练习机器学习的问题，于是小编就整理了4个相关介绍Python练习机器学习的解答，让我们一起看看吧。
- Python速度那么慢，为什么还经常用于机器学习？
- 如何学习作为机器学习基础的Python语言？
- windows转linux，用于python爬虫和机器学习，安装哪个版本比较好？
- 机器学习和计算机视觉方向的CS硕士研究生，应该往python还是MATLAB发展？
Python速度那么慢，为什么还经常用于机器学习？
大部分的机器学习库都是用 c++ 写的，都提供了对 java 和 Python 的支持，使用这俩语言相当于在调包而已，一些计算密集型、IO密集型的操场都是底层框架在跑，所以对于 Python 写的机器学习项目来说，不是很慢。
python 在机器学习时，运行计算时，调用numpy 库，这个库速度非常快，和c语言的一个级别。现在运算量大的 机器学习 算法，都用 gpu,tpu 等硬件提速，如果靠cpu,无论***用什么编程语言，都不可能 达到要求，类似 比特币挖矿，都用矿机，用cpu 挖就赚不到钱，比电费多不了多少。机器学习 ***用硬件提速 也是这个道理。所以和上边***用的编程语言 关系不大。 python 编程速度快，算法编程实现是，可以大大节约 开发人员的时间，减少软件错误。
python,是最适合机器学习的，所以被广泛***用。
python,只所以在桌面软件，服务器等大型软件上，***用的少，主要原因是 和 c以及Java 相比，python 不利于代码的保密。而机器学习，不需要将算法代码，发布给用户，所以没有这方面问题。
如何学习作为机器学习基础的Python语言？
别相信那些一上来给你推荐十来本几百页书或者资料的人！学python，十步！一，安装python3！二，Google查一下基本语法！三，Google一段简单的python代码跑一下，修改代码去理解基本语法！四，自己找一项目写代码，实战出高手！五，写代码！六，写代码！七，写代码！八，写代码！九，Google python的面向对象！十，GitHub上开一个自己的项目！
大概可以分成几个阶段。
第一个阶段，是掌握Python 基础技能。这可以按照一些教程和书籍来进行，比方说《笨方法学Pyhon》、廖雪峰的Python教程、《Python cookbook》等等。这一阶段的重点是多看多写代码，只有多看多写才能尽快熟悉。在这个阶段，还要熟悉一些常用的库，例如Numpy、pandas、matplotlib等等。这些可以按照文档或者在github上找到现成的文档和代码来学习。
第二个阶段，了解一些机器学习的基本内容。可以看MOOC，也可以买些相关书籍。吴恩达的机器学习教程很受欢迎，网上能找到视频和笔记。
然后进入第三个阶段，把Python和机器学习结合在一起。可以自己尝试实现一些机器学习工具，例如k-均值聚类、决策树、线性回归、逻辑回归、支持向量机之类，要是自己实现不了也没有关系，毕竟github上有大量的代码可以参考学习。
windows转linux，用于python爬虫和机器学习，安装哪个版本比较好？
1、使用*nix系列操作系统和windows[_a***_]系统相比，个人觉得最大的区别是*nix的命令行操作模式；所以如果适应了命令行的操作模式，不管使用哪个发行版的linux其实都是一样的；我现在的主要编辑器是vim。所以工作的80%的时间都是在命令行状态下；
2、桌面环境来讲，我觉得有两个参考因素，美观和工作流；美观上个人偏向于待gnome桌面的ubuntu18；deepin 个人感觉容易审美疲劳；centos主要定位在服务器市场，所以默认的界面个人感觉中规中矩；这里的工作流指的是操作模式，或者说是交互模式，关键点是如何快速的进入和切换到目标程序，包含快捷方式，快捷键，窗口管理器，我主张使用可以灵活配置的gnome桌面,建议gnome,deepin的适合初学者，定制性稍微弱点；交互模式可以影响人的思维模式，我觉得使用linux和使用windows相比就是要在思维方式上有所收获，这点我也推荐操作模式和windows相差较大的ubuntu
3、软件库，deepin是基于ubuntu的发行版，使用apt软件库，两者是一样的；centos使用的是yum，centos软件库主要面对服务器，稳定为主，版本比较低。作为开发者推荐使用一些比较新的软件工具，这点上ubuntu和deepin比较有优势
4、个人觉得基于ubuntu的另外一个发行版值得推荐，就是elementary os，本人已经持续使用了4年时间，每天都在用；版本稳定而且简约，有设计感，至今没有审美疲劳。
机器学习和计算机视觉方向的CS硕士研究生，应该往python还是matlab发展？
你说的计算机视觉和机器学习估计差不多也就是进深度学习大坑了，目前常见的深度学习框架貌似支持MATLAB的不多，这方面python是主流，但是框架内核都是C/C++，所以你要想长远发展还是python和C/C++，python是必须掌握的，C/C++看能力
这个问题我觉得可以从科研和就业两方面考量吧。
科研
科研方面，我不知道这个问题是针对你本人的（你就是机器学习和计算机视觉方向的研究生），还是说并不针对你本人（你本人并不是这个方向的研究生，你只是单纯好奇一下）。
如果是针对你本人的，那从个人角度上来说，这个问题其实并不需要你考虑。因为，这是你所在的团队（实验室）决定的。无论是从细分方向的角度，还是从历史积累代码的角度，还是从便于合作的角度，你需要与所在团队保持一致。
如果你只是单纯好奇的话，那么这取决于具体的细分领域。比如，机器学习领域现在很热的深度学习，绝大部分主流框架都提供python接口，做深度学习方向的计算机视觉，那当然是python。相反，有很多领域大家都用matlab。其实这和上面的情况有些类似，就是你所在的具体细分领域，其他研究人员用什么，你就用什么。
就业
这个其实也取决于你具体想去什么类型的企业。很多传统的计算机视觉企业，需要的既不是python，也不是matlab，而是C++。甚至，现在很受投资者追捧的基于深度学习做计算机视觉的一些初创企业，固然需要Python方面的人，但也可能需要C++方面的人（比如CUDA定制操作等性能方面的优化）。
如果你不想找计算机视觉方面的工作，想稍微跨下界，找一般的编程工作，那Python比较好。一是Python在各种领域都用得比较多，二是Python是一门比较“正经的”编程语言，使用Python你更容易养成比较好的编程习惯（这很重要）。
作为人工智能的重要组成部分，机器学习和计算机视觉方向是最近几年硕士研究生比较热衷的方向。机器学习和计算机视觉需要跟各种算法打交道，所以往往需要使用一些方便的工具来***研究，比如MATLAB就是一个比较常见的工具。
与Python相比MATLAB更像是一种工具，虽然我也经常说编程语言就是工具，但是Python除了能做科学计算之外还能做其他的事情，比如做Web开发，所以Python是一门编程语言，MATLAB则更贴近工具，目前MATLAB也支持语言输出。
因为我是程序员出身，所以早期不太屑于使用MATLAB，直到有一次我们一个同事在我面前展示了MATLAB的强大，我之后对MATLAB还是比较感兴趣，也着实用了一段时间。使用MATLAB有一个比较强烈的感觉就是方便，之前需要大量代码的地方只需要简单的配置就可以完成了，所以MATLAB能节省大量的时间。如果你是做研究，不需要把项目落地，那么使用MATLAB绝对是个好选择，你不用把过多的精力放在编码上。
后来我开始做机器学习，因为我的很多研究内容是要落地的（以实际应用为出发点），所以就直接使用Python了，在使用Python之前我使用的是J***a（这里面的故事就比较多了）。如果你需要把算法进行实际使用那么使用Python一定是对的，MATLAB擅长的是分析和建模。
Python做机器学习需要使用Numpy、Matplotlib，Scipy这几个常见的库，这几个库使用起来也并不复杂。学习Python也比较简单，很容易上手。
研究生阶段还是推荐学习一下Python，但是还是要看自己导师的具体安排，也要看你的方向。虽然都是做机器学习，但是我的研究比较偏向机器学习应用，所以我推荐使用Python。
计算机硕士，更重要的是对算法本身的理解吧，Python和MATLAB都只是工具。
彻底理解了算法，对于一个计算机专业的硕士，运用这两个工具上不存在难度的。
再说一下这两个工具吧，python是一门通用计算机编程语言，使用python作为人工智能开发工具的理由，是因为有大量的现成的库以及各种开源代码供直接使用。
python作为一门通用编程语言，虽然简单易学，也还是需要一定的学习曲线的。
matlab呢，不是一门通用编程语言，而是一种数学工具，在数学工具的基础上，开发了针对各个领域的工具箱，包括人工智能方面的。
matlab的学习起来更加简单，而且很多操作，可以通过工具箱里面的框图来实现，很多功能不用写代码或者非常少量的代码就可以完成。
从实用的角度来说，建议你重点学习Python，因为在企业中，用Python的居多。matlab也顺带学一学，作为一个计算机专业的硕士，学会MATLAB，分分钟的事情。
从你所问的问题来看，你应该刚刚开始学习，建议，二者都学，这个其实不难的，1个月时间，两个应该都可以学会了，当然，在实践中才能精通。
以后 往公司去做应用方面的开发，python比较多一些，当然了，取决于公司，有的公司可能需要你用c++来实现，有的公司也可能要求用j***a来实现，这些都不是大问题，，这些仅仅是表现手段的差异，主要是软件包的是否丰富上面的差异。matlab作为科研工具还是不可少的，
到此，以上就是小编对于python练习机器学习的问题就介绍到这了，希望介绍关于python练习机器学习的4点解答对大家有用。
