機器學習matlabpython

㈠ 支持向量機用malt lab做好，還是R語言還是python好

支持向量機(SVM)是一種廣泛使用的機器學習演算法，可以在多種編程語言中實現。在您選擇使用哪種編程語言實現SVM時，應考慮幾個因素：

• 對您的背景和技能的要求：如果您熟悉R語言或Python，那麼使用這些語言實現SVM可能會更輕松。

• 工具的可用性和功能：使用Maltlab或其他工具可能會更方便，因為它們已經為SVM實現了一些常用功能。但是，如果您希望實現更高級的SVM功能，則可能需要使用編程語言來實現。

• 可擴展性：如果您希望將SVM用於更復雜的機器學習任務，則可能需要使用編程語言來實現，以便更好地控制演算法的行為。

總的來說，如果您熟悉R語言或Python，並希望能夠更好地控制SVM的行為，則可能需要使用這些語言來實現SVM。如果您只是希望快速實現SVM，則可能更喜歡使用Maltlab或其他工具。

特別的，對於優化SVM，您可能需要使用編程語言來實現，以便能夠更好地調配參數並調整演算法的行為。對於優化SVM，您可能需要考慮以下方面：

• 核函數的選擇：SVM使用核函數將數據映射到高維空間，以便將其線性分類。因此，選擇合適的核函數可能會對SVM的性能產生重大影響。

• 懲罰參數的調整：SVM使用懲罰參數來控制模型的復雜度。調整懲罰參數可能會影響SVM的性能。

• 樣本權重的調整：SVM可以通過調整樣本權重來調整對某些樣本的偏好。調整樣本權重可能會影響SVM的性能。

總的來說，優化SVM需要考慮多種因素，因此使用編程語言來實現SVM可能會更方便。

㈡ 機器學習演算法工程師用什麼編程語言

機器學習演算法工程師用的編程語言主要有5種。
1.Python。Python 是一種流行的面向對象的語言。Guido van Rossum 作為 Python 的創造者而廣為人知。根據一份報告顯示，Python 是最受歡迎的三大編程語言之一。
2.C#。C# 是一種流行的編程語言，由微軟在 2000 年左右推出。C# 可用於完成各種專業任務和目標，其特性源於上一代，如 C、 C++ 等。同時，C# 也是一門高級語言。
3.JavaScript。JavaScript，與 HTML 和 CSS 一起，是需要掌握的三種語言之一。它是一種多範式的、基於文本的編程語言，可用於客戶端和伺服器端，使得網頁具有交互功能。
4.R 。R 是一種編碼語言，也是一種用於統計計算和圖形的自由軟體環境。一個軟體包，包含了用於數據解釋、操作、計算和可視化的工具。在 1993 年由 R 核心小組創立，在統計學家和數據礦工中聞名，主要用於收集、分析和可視化數據。
5.Java。Java 是一種流行的面向對象的高級編程語言，由甲骨文公司開發，於 1995 年發布。Java 是一種快速、安全、可靠的語言，可開發各種 Java 應用，包括 Web 應用、網路應用、游戲等等。

想要學習了解更多機器學習的知識，推薦CDA數據分析師課程。CDA 數據分析師行業標准由國際范圍數據科學領域的行業專家、學者及知名企業共同制定並每年修訂更新，確保了標準的公立性、權威性、前沿性。通過 CDA 認證考試者可獲得 CDA 數據分析師中英文認證證書。點擊預約免費試聽課。

㈢ 機器學習一定要python嗎

機器學習不一定要用python你也可以選擇用matlab，C/C++甚至是lua。。。學什麼語言是根據你自身的學科性質和研究的偏好來定的。給你舉個簡單的例子，如果你關注的是演算法落地，那麼你應該學C++和python，python是用來快速實現演算法的，也就是去跑demo用，而驗證了演算法的有效性之後，需要用C或者C++實現演算法的落地。
如果你只是為了研究或者畢業用的話，還是只學python或者matlab吧，因為這兩個有很多庫很強大~

㈣ matlab和python的區別

都不難，都很好上手。具體學那個，就得根據你本身的需要了。

matlab和Python的上手程度其實差不多，matlab和Python相較於其他編程軟體都很好掌握。

Python語言的優勢：

Python相對於Matlab最大的優勢：免費。可能國內不是很在乎這個，但國外這個是很關鍵的。

Python次要的優勢：開源。你可以大量更改科學計算的演算法細節。可移植性，Matlab必然不如Python，不過這方面需求一般不是很高。

第三方生態，Matlab不如Python，比如說3D的繪圖工具包，GUI，更方便的進行，使用GPU，Functional等等;長期來講，Python的科學計算生態要比Matlab好。Python語言更加優美，如果有一定的OOP需求，構建較大一點的科學計算系統，直接用Python比用Matlab方案要簡潔很多;而Python作為一種通用編程語言，可以做Web開發、網路爬蟲、腳本、人工智慧、機器學習等，用途是非常廣泛的。

Matlab的優勢

Matlab可以說是一個工具，學術界大量使用它來做模擬，做研究的話更容易找到代碼參考。語法相對Python更靈活一些，Matlab寫程序基本不用套路。

Matlab可以進行矩陣運算、繪制函數和數據、實現演算法、創建用戶界面、連接其他編程語言的程序等，主要應用於工程計算、控制設計、信號處理與通訊、圖像處理、信號檢測、金融建模設計與分析等領域。

㈤ 量化投資中，MATLAB和python哪一個好

Matlab在矩陣處理方面的強大優勢Python無法比擬，我曾經用Matlab和Python跑同一個演算法，涉及到矩陣中Symbol求導。Python用的是Numpy，Sympy和Scipy，感覺Sympy中Matrix雖然功能強大，但是速度很慢，而且需要專注其中各種細節。如：其對Complex類型是無法自動expand的，常常出現(1+I)(2I+1)這種結果，這時需要調用.expand來解決。Matlab可以使你專注於模型，Python要超過Matlab還需要時間。但是Python在內容抓取，機器學習，等有強大的第三方包，如Scarpy，Skikit-learn等，發展很快。概括之：現在用Matlab，未來用Python

㈥ 機器學慣用python好，還是matlab好，本人會matlab

numpy, scipy, pandas, matplotlib。 scikit-learn 前4個庫裝完就可以吊打MATLAB基礎功能了。 至於MATLAB里的工具箱，則需要額外找python的庫進行擴充。 最後一個安裝好，則除深度學習之外的機器學習都搞定了

㈦ 在機器學習科學計算領域,有哪些工具能讓python和matlab一樣好用

Pycharm相比Spyder的優點是：
1 調試更方便，Spyder在其他文件裡面設置斷點，竟然無法停下來，必須得在主程序裡面設置一個斷點，然後「Step into」，如果嵌套比較深的話，這種方法特別麻煩。 Pycharm就沒有這個問題。

2 Pycharm的「Reformat code」功能我特別喜歡，可以自動將你的代碼排版規范，比如=兩邊各空一格，函數結尾空兩行等等，不止能作用於一個文件，而且能一次性作用於整個項目！

Pycharm的缺點：
1 最新版本雖然支持了ipython，但功能體驗比較差，1，反應比較慢 2 tab鍵經常不能彈出對象的屬性與方法。

2 沒有workspace。

所以，我的建議是結合使用這兩個工具，基本上能達到MATLAB的使用體驗。

2016年3月14日的補充
經過一段時間使用，也發現了Anaconda的缺點。特別是spyder。
1 在workspace里，對數據量偏大一點的變數進行查看，容易卡死，而MATLAB不會。
2 再workspace里，浮點數只顯示小數點後三位，我經常要手工修改為顯示為小數點後6位，不知道怎麼修改默認設置。
3 斷點調試明顯沒有MATLAB方便。
4 沒有MATLAB那樣方便的Profiler,用於發現代碼運算瓶頸，而Spyder沒有。
還有其他的，就不一一列舉了，總之，在IDE上，Spyder相比MATLAB差遠了，但我用Python，仍然會用Spyder，因為目前沒有更好的替代品。

原答案：
千言萬語匯成一句話: 安裝Anaconda!
Anaconda非常適合做研究.Pycharm適合做開發,而不是研究.
為什麼說Anaconda好呢?
1 自帶了很多適合搞科學研究的庫,比如numpy, scipy, pandas, matplotlib, sympy, sklearn等.
2 裡面的spyder的界面非常像matlab的界面, 還支持單步調試.編輯器像matlab那樣，可以創建cell（使用#%%，與matlab類似），方便查看與調試。
3 裡面的ipython notebook, 非常適合交互和展示成果.

㈧ 大佬們，如果用神經網路去解決水質檢測的項目，用Python還是matlab好點

題主你提到用【神經網路】解決【水質檢測項目】，用【Python】還是【Matlab】。我對【水質檢測】不了解，但猜測是跟【數據分析/挖掘/建模】相關的項目。

Python是時下最熱門【數據分析/挖掘】的工具，其豐富的庫資源可以供你調用各式各樣的【演算法】，包括【神經網路】。再加上Python簡單易學好上手，遍地都是免費的學習資料，這就可以讓大家可以輕松實現一些【機器學習/深度學習的演算法】。另外補充一下，MATLAB幾乎是一個快被工業界淘汰的工具，大概只有學校裡面才會使用吧。你打開招聘網站搜索一下就知道Python比MATLAB火熱得多。

最後再給題主推薦一些書籍和網站吧~

1 Python

1.1廖雪峰Python教程，被譽為Python教父的男人，這個教程非常之經典，也很全面。網頁鏈接

1.2 知乎大佬的Python教程，專為小白設計，適合沒有編程基礎和計算機基礎的人群。網頁鏈接

1.3 Python編程：從入門到實踐。這本書也是新手的福利，講解很細致，後面還會教大家怎麼用Python實現一個游戲項目——飛機大戰，成就感慢慢。網頁鏈接

2 神經網路

2.1 神經網路是機器學習和深度學習的交叉點，深入神經網路之前最好先學一點高等數學和線性代數，這里推薦MIT的公開課網頁鏈接和3Blue1Brown的視頻網頁鏈接

2.2 有了數學方便的基礎後理解神經網路就容易很多了，吳恩達的機器學習很適合入門。網頁鏈接

2.3 看完機器學習再看深度學習的神經網路的話，很容易就能學會了。深度學習推薦這個課程網頁鏈接

㈨ 機器學習建模用matlab和Python的區別是什麼

matlab偏學術應用，python也能學術用，同時工作上也能用。所以，總體來看還是用py比較好