机器学习matlabpython

㈠ 支持向量机用malt lab做好，还是R语言还是python好

支持向量机(SVM)是一种广泛使用的机器学习算法，可以在多种编程语言中实现。在您选择使用哪种编程语言实现SVM时，应考虑几个因素：

• 对您的背景和技能的要求：如果您熟悉R语言或Python，那么使用这些语言实现SVM可能会更轻松。

• 工具的可用性和功能：使用Maltlab或其他工具可能会更方便，因为它们已经为SVM实现了一些常用功能。但是，如果您希望实现更高级的SVM功能，则可能需要使用编程语言来实现。

• 可扩展性：如果您希望将SVM用于更复杂的机器学习任务，则可能需要使用编程语言来实现，以便更好地控制算法的行为。

总的来说，如果您熟悉R语言或Python，并希望能够更好地控制SVM的行为，则可能需要使用这些语言来实现SVM。如果您只是希望快速实现SVM，则可能更喜欢使用Maltlab或其他工具。

特别的，对于优化SVM，您可能需要使用编程语言来实现，以便能够更好地调配参数并调整算法的行为。对于优化SVM，您可能需要考虑以下方面：

• 核函数的选择：SVM使用核函数将数据映射到高维空间，以便将其线性分类。因此，选择合适的核函数可能会对SVM的性能产生重大影响。

• 惩罚参数的调整：SVM使用惩罚参数来控制模型的复杂度。调整惩罚参数可能会影响SVM的性能。

• 样本权重的调整：SVM可以通过调整样本权重来调整对某些样本的偏好。调整样本权重可能会影响SVM的性能。

总的来说，优化SVM需要考虑多种因素，因此使用编程语言来实现SVM可能会更方便。

㈡ 机器学习算法工程师用什么编程语言

机器学习算法工程师用的编程语言主要有5种。
1.Python。Python 是一种流行的面向对象的语言。Guido van Rossum 作为 Python 的创造者而广为人知。根据一份报告显示，Python 是最受欢迎的三大编程语言之一。
2.C#。C# 是一种流行的编程语言，由微软在 2000 年左右推出。C# 可用于完成各种专业任务和目标，其特性源于上一代，如 C、 C++ 等。同时，C# 也是一门高级语言。
3.JavaScript。JavaScript，与 HTML 和 CSS 一起，是需要掌握的三种语言之一。它是一种多范式的、基于文本的编程语言，可用于客户端和服务器端，使得网页具有交互功能。
4.R 。R 是一种编码语言，也是一种用于统计计算和图形的自由软件环境。一个软件包，包含了用于数据解释、操作、计算和可视化的工具。在 1993 年由 R 核心小组创立，在统计学家和数据矿工中闻名，主要用于收集、分析和可视化数据。
5.Java。Java 是一种流行的面向对象的高级编程语言，由甲骨文公司开发，于 1995 年发布。Java 是一种快速、安全、可靠的语言，可开发各种 Java 应用，包括 Web 应用、网络应用、游戏等等。

想要学习了解更多机器学习的知识，推荐CDA数据分析师课程。CDA 数据分析师行业标准由国际范围数据科学领域的行业专家、学者及知名企业共同制定并每年修订更新，确保了标准的公立性、权威性、前沿性。通过 CDA 认证考试者可获得 CDA 数据分析师中英文认证证书。点击预约免费试听课。

㈢ 机器学习一定要python吗

机器学习不一定要用python你也可以选择用matlab，C/C++甚至是lua。。。学什么语言是根据你自身的学科性质和研究的偏好来定的。给你举个简单的例子，如果你关注的是算法落地，那么你应该学C++和python，python是用来快速实现算法的，也就是去跑demo用，而验证了算法的有效性之后，需要用C或者C++实现算法的落地。
如果你只是为了研究或者毕业用的话，还是只学python或者matlab吧，因为这两个有很多库很强大~

㈣ matlab和python的区别

都不难，都很好上手。具体学那个，就得根据你本身的需要了。

matlab和Python的上手程度其实差不多，matlab和Python相较于其他编程软件都很好掌握。

Python语言的优势：

Python相对于Matlab最大的优势：免费。可能国内不是很在乎这个，但国外这个是很关键的。

Python次要的优势：开源。你可以大量更改科学计算的算法细节。可移植性，Matlab必然不如Python，不过这方面需求一般不是很高。

第三方生态，Matlab不如Python，比如说3D的绘图工具包，GUI，更方便的进行，使用GPU，Functional等等;长期来讲，Python的科学计算生态要比Matlab好。Python语言更加优美，如果有一定的OOP需求，构建较大一点的科学计算系统，直接用Python比用Matlab方案要简洁很多;而Python作为一种通用编程语言，可以做Web开发、网络爬虫、脚本、人工智能、机器学习等，用途是非常广泛的。

Matlab的优势

Matlab可以说是一个工具，学术界大量使用它来做仿真，做研究的话更容易找到代码参考。语法相对Python更灵活一些，Matlab写程序基本不用套路。

Matlab可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

㈤ 量化投资中，MATLAB和python哪一个好

Matlab在矩阵处理方面的强大优势Python无法比拟，我曾经用Matlab和Python跑同一个算法，涉及到矩阵中Symbol求导。Python用的是Numpy，Sympy和Scipy，感觉Sympy中Matrix虽然功能强大，但是速度很慢，而且需要专注其中各种细节。如：其对Complex类型是无法自动expand的，常常出现(1+I)(2I+1)这种结果，这时需要调用.expand来解决。Matlab可以使你专注于模型，Python要超过Matlab还需要时间。但是Python在内容抓取，机器学习，等有强大的第三方包，如Scarpy，Skikit-learn等，发展很快。概括之：现在用Matlab，未来用Python

㈥ 机器学习用python好，还是matlab好，本人会matlab

numpy, scipy, pandas, matplotlib。 scikit-learn 前4个库装完就可以吊打MATLAB基础功能了。 至于MATLAB里的工具箱，则需要额外找python的库进行扩充。 最后一个安装好，则除深度学习之外的机器学习都搞定了

㈦ 在机器学习科学计算领域,有哪些工具能让python和matlab一样好用

Pycharm相比Spyder的优点是：
1 调试更方便，Spyder在其他文件里面设置断点，竟然无法停下来，必须得在主程序里面设置一个断点，然后“Step into”，如果嵌套比较深的话，这种方法特别麻烦。 Pycharm就没有这个问题。

2 Pycharm的“Reformat code”功能我特别喜欢，可以自动将你的代码排版规范，比如=两边各空一格，函数结尾空两行等等，不止能作用于一个文件，而且能一次性作用于整个项目！

Pycharm的缺点：
1 最新版本虽然支持了ipython，但功能体验比较差，1，反应比较慢 2 tab键经常不能弹出对象的属性与方法。

2 没有workspace。

所以，我的建议是结合使用这两个工具，基本上能达到MATLAB的使用体验。

2016年3月14日的补充
经过一段时间使用，也发现了Anaconda的缺点。特别是spyder。
1 在workspace里，对数据量偏大一点的变量进行查看，容易卡死，而MATLAB不会。
2 再workspace里，浮点数只显示小数点后三位，我经常要手工修改为显示为小数点后6位，不知道怎么修改默认设置。
3 断点调试明显没有MATLAB方便。
4 没有MATLAB那样方便的Profiler,用于发现代码运算瓶颈，而Spyder没有。
还有其他的，就不一一列举了，总之，在IDE上，Spyder相比MATLAB差远了，但我用Python，仍然会用Spyder，因为目前没有更好的替代品。

原答案：
千言万语汇成一句话: 安装Anaconda!
Anaconda非常适合做研究.Pycharm适合做开发,而不是研究.
为什么说Anaconda好呢?
1 自带了很多适合搞科学研究的库,比如numpy, scipy, pandas, matplotlib, sympy, sklearn等.
2 里面的spyder的界面非常像matlab的界面, 还支持单步调试.编辑器像matlab那样，可以创建cell（使用#%%，与matlab类似），方便查看与调试。
3 里面的ipython notebook, 非常适合交互和展示成果.

㈧ 大佬们，如果用神经网络去解决水质检测的项目，用Python还是matlab好点

题主你提到用【神经网络】解决【水质检测项目】，用【Python】还是【Matlab】。我对【水质检测】不了解，但猜测是跟【数据分析/挖掘/建模】相关的项目。

Python是时下最热门【数据分析/挖掘】的工具，其丰富的库资源可以供你调用各式各样的【算法】，包括【神经网络】。再加上Python简单易学好上手，遍地都是免费的学习资料，这就可以让大家可以轻松实现一些【机器学习/深度学习的算法】。另外补充一下，MATLAB几乎是一个快被工业界淘汰的工具，大概只有学校里面才会使用吧。你打开招聘网站搜索一下就知道Python比MATLAB火热得多。

最后再给题主推荐一些书籍和网站吧~

1 Python

1.1廖雪峰Python教程，被誉为Python教父的男人，这个教程非常之经典，也很全面。网页链接

1.2 知乎大佬的Python教程，专为小白设计，适合没有编程基础和计算机基础的人群。网页链接

1.3 Python编程：从入门到实践。这本书也是新手的福利，讲解很细致，后面还会教大家怎么用Python实现一个游戏项目——飞机大战，成就感慢慢。网页链接

2 神经网络

2.1 神经网络是机器学习和深度学习的交叉点，深入神经网络之前最好先学一点高等数学和线性代数，这里推荐MIT的公开课网页链接和3Blue1Brown的视频网页链接

2.2 有了数学方便的基础后理解神经网络就容易很多了，吴恩达的机器学习很适合入门。网页链接

2.3 看完机器学习再看深度学习的神经网络的话，很容易就能学会了。深度学习推荐这个课程网页链接

㈨ 机器学习建模用matlab和Python的区别是什么

matlab偏学术应用，python也能学术用，同时工作上也能用。所以，总体来看还是用py比较好