目前在 Octave 工作，但由于文档不佳，进度非常缓慢。
哪种语言易于学习和使用，并且有据可查以解决机器学习问题？我正在寻找一个小型数据集（数千个示例）的原型，因此速度并不重要。
编辑：我正在开发一个推荐引擎。所以，我对使用正则化线性回归、神经网络、SVN 或协同过滤很感兴趣。
您推荐使用哪种编程语言来构建机器学习问题的原型？
机器算法验证
r
机器学习
matlab
软件
Python
2022-03-26 00:20:59
4个回答
如果您指定您感兴趣的特定算法，您可能会得到更好的答案。我使用 R 来处理这类事情（不过，我做的是时间序列计量经济学，而不是机器学习）；您可以在此处查看现有功能：
http://cran.r-project.org/web/views/MachineLearning.html
Hastie、Tibshirani 和 Friedman 的统计学习要素中有 R 代码来实现分析：
http://www-stat.stanford.edu/~tibs/ElemStatLearn/
R 的打包系统非常棒，它促使人们记录他们的代码，而且它是开源的，所以你可以随时查看实现。我已经有几年没有使用 Matlab 了，也没有将它用于机器学习——他们的工具箱通常都有很好的文档记录，但可能很昂贵，但用户贡献的代码将与其他任何代码一样缺乏文档记录。
在他的机器学习在线课程中，Andrew Ng建议使用 Octave/Matlab。
我建议您参加本课程的下一版：它真的很有用，您将学到很多关于 Octave 和不同机器学习算法的知识。
编辑 1：我同意其他喜欢在 R 中工作的人的观点。但是，在解决机器学习问题时，您的大部分计算将采用矩阵形式，正如 @Wayne 所指出的，Matlab 或 Octave 语言非常流行因为他们的力量。您可能想看看其他学生提出的机器学习课程练习的解决方案；你当然可以从他们身上学到一些东西：
scikit-learn（现在）应该满足您描述的sklearn几个标准（速度、用于处理数据、模型和结果的精心设计的类），包括目标应用程序（L1/L2 惩罚回归、SVM 等）。它带有丰富的文档集和大量示例。另请参阅JMLR 上发表的一篇论文中的描述。
Python 中的一个替代框架是Orange，它可以通过温和的 GUI 或直接在命令行上使用。对于协同过滤，pyrsvd可能很有趣，但我从未尝试过。但是，Apache Mahout肯定可以用于协同过滤。
如果您想使用开箱即用的东西，Weka 可能是一个很好的起点。无需编写任何程序。您导入数据，将其可视化并使用不同的模型。
链中的下一个将是 R。有一些相关的学习曲线 - 特别是在调整数据以适应 R 数据结构时，但是一旦你克服了这一点，你就有大量的库可以毫不费力地提供所有机器学习功能。
接下来是手动编程机器学习算法。由于您已经在使用 Octave 并正在寻找替代方案，也许您想要的不是在其他系统中手动编写代码算法，而只是使用其他人编写的库。
如果你走 R 的道路，你可能会发现 Luis Torgo 的书（Data Mining with R：Learning with Case Studies）非常有用（披露：无从属关系）。它详细描述了您可以适应您的问题的案例研究。