机器学习 （ML）是目前软件开发中最有利可图的领域之一。这是因为机器学习技术在快速发展的 数据科学 领域是多么有用。数据科学是应用数学和统计学的一个领域，通过对大量数据的分析和建模来获取有用的信息。机器学习涉及开发使用算法和统计模型学习和适应的计算机系统。将ML技术应用于数据科学使得从洞察力到可操作的预测成为可能。
Python 是当今最流行和最容易学习的编程语言之一，它被广泛用于数据科学和机器学习。也就是说， R 因其统计计算和制图能力而日益流行，这在数据科学中是必不可少的。今天我们将比较使用这两种编程语言进行机器学习的好处和坏处。
我们将介绍 。
什么是机器学习？
人工智能 （AI）是在 计算机中创造智能行为 的领域，其应用范围很广，如自动驾驶汽车到 自然语言处理 （NLP）。在人工智能的保护伞下，机器学习是计算机科学的一个分支，涉及执行数据分析任务的系统和算法，以 学习和做出智能决策 。例如，ML算法有助于在社交媒体上向我们显示相关内容。他们还为企业提供洞察力和预测，以便他们能够更快地适应市场。
当今世界上不计其数的数据，从网站的点击量到你在网上看一条牛仔裤的时间，被称为 大数据 。数据科学家和统计学家进行 数据挖掘 ，并通过 机器学习 从这些数据集中提取趋势，以做出明智的决策。 用于ML系统的两种主要编程语言是Python和R。接下来，我们将看看这两种语言，看看哪个更适合机器学习。
什么是Python？
Python 编码的重要性在1991年由Guido van Rossum在荷兰的Centrum Wiskunde & Informatica发布。它是一种通用的、面向对象的编程语言，有一套庞大的代码。 开源的数据科学库和框架 包括Pandas, Numpy, Keras, TensorFlow, Matplotlib, SciPy, Scikit-learn, 和Seaborn。由于这些原因，Python经常被推荐给那些想从事机器学习和数据科学的人。此外，Python是一种 多用途的语言 ，所以你可以将它应用于创建网络应用程序、工作流程自动化、分析脚本等使用情况。
Python还具有 易读的语法 ，这种代码的可读性使新用户在项目中的工作更加简单。
什么是R？
R 是一种专门为 统计分析和数据可视化 创建的编程语言。它是由Robert Gentleman和Ross Ihaka在新西兰的奥克兰大学开发的。R的第一个官方开源版本于1995年发布，并普遍取代了S语言。它是另一种流行的编程语言，随着机器学习和数据科学的发展， 其资本正在上升 。
RStudio，最流行的R集成开发环境（IDE），可在多个平台上使用。此外，丰富的R生态系统有大量适合ML系统的软件包。例如，caret、ggplot2、nnet和被称为tidyverse的一组包都可以在 R综合档案网络 （CRAN）中找到。 R是统计方法学的一个特别受欢迎的选择，并且大量依赖统计模型。
R与Python。哪个更适合机器学习？
Python和R都是开源的编程语言，有大量的库选择和大型社区的支持。但它们之间存在着关键的区别。
乍一看，Python的多功能性使它似乎是ML的赢家。虽然它是一个很好的选择，但R对统计分析相当有用，因此许多组织都使用这两种语言。虽然你可能只从一个开始，但可能值得同时学习两个。例如，你可以用R做最初的数据分析和探索，以利用它的速度，然后切换到Python来运送数据产品。(Python通过RPy2包支持R的功能)。
总结和下一步行动
在这篇文章中，我们讨论了Python和R在机器学习方面的异同。无论你是刚刚涉足机器学习，还是在你的技能上有所建树，Educative都有多种学习方案可供选择。
对于Python，如果你有一些编程背景，最好的开始是 Python 3：从初级到高级 .然而，如果你真的是在没有Python经验的情况下开始学习，该课程 从零开始学习Python 3 可以让你开始学习。
企业正在越来越多地寻找R用户。要了解更多关于R的信息，免费课程 从零开始学习R 使用实际的例子，并假定没有任何先验知识。它还介绍了更多高级主题，如异常处理。
如果你致力于进入机器学习领域，该课程 成为一名机器学习工程师 ，通过图像识别、自然语言处理、深度学习和准备机器学习面试等模块，指导你学习基本的ML技术。
学习愉快!