在深入研究许多机器学习语言之前，了解没有一种“最 佳”语言是至关重要的。每一种都有自己的优势和劣势，以及独特的能力。这主要取决于您试图构建的内容和您的背景。

　　尽管如此，Python无疑是使用最广泛的机器学习语言。57%的数据科学家和机器学习专业人员使用Python，33%的人将其优先用于开发。

　　近年来，Python框架取得了长足的进步，通过深度学习提高了它们的能力。TensorFlow等库已经发布。

　　全世界超过820万开发人员使用Python进行编码，这是有充分理由的。它是数据分析、数据科学、机器学习和人工智能的热门选择。其广泛的库环境允许机器学习从业者轻松访问、处理、修改和处理数据。它还提供了平台独立性、降低了复杂性和提高了可读性。

　　因为内置的库和模块提供了基础级功能，所以机器学习工程师不必从头开始。而且，由于机器学习需要持续的数据处理，Python的内置工具和软件包实际上可以帮助完成任何任务。当使用复杂的机器学习应用程序时，所有这些都会缩短开发时间，提高生产率。

　　Python是许多世界上最大的科技公司的首选编程语言，包括谷歌、Instagram、Netflix、华特迪士尼、Facebook、Dropbox、YouTube、优步和亚马逊。

　　虽然Python绝对是最流行的语言，但也有很多其他选择可以考虑。Python、R、C/C++、Java和JavaScript是当前排名前五的语言。C/C++通常被视为仅次于Python。Java并没有落后太多，虽然Python有时被比作R，但两者在流行程度上并不竞争。在数据科学家的调查中，R在不同语言中的优先使用率始终最低。Javascript经常被放在列表的底部。

　　虽然不如前五名知名，但机器学习从业者使用的其他值得考虑的语言包括Julia、Scala、Octave、Ruby、MATLAB和SAS。

　　在选择机器学习的理想语言时，需要考虑的最关键的方面是您将关注的项目类型或您的专业应用程序。

　　如果你想从事情感分析，最好选择Python或R，而Java更适合网络安全和欺诈检测。其中一个原因是大型公司经常使用网络安全和欺诈检测技术，而这些技术通常与内部开发部门选择Java的技术相同。

　　Python拥有大量专门的库，为自然语言处理（NLP）和情感分析等不太关注企业的领域的算法构建提供了一种更简单、更快的选择。

　　另一方面，C/C++经常用于游戏和机器人运动中的人工智能。由于其高度先进的人工智能库，机器学习语言提供了高度的控制、效率和生产力。

　　R已经开始在生物工程和生物信息学领域取得进展，并且长期以来，它在学术界内外的医学统计中都得到了应用。然而，对于刚接触数据科学和机器学习的开发人员来说，JavaScript经常被选择。