大家好，今天小编关注到一个比较有意思的话题，就是关于python从编程到机器学习的问题，于是小编就整理了4个相关介绍Python从编程到机器学习的解答，让我们一起看看吧。
- 机器学习-如何通过Python快速入门机器学习？
- Python速度那么慢，为什么还经常用于机器学习？
- spark机器学习和python机器学习的区别是什么？
- 先培训Python后自学Java比较好，还是先培训Java后自学Python好？
机器学习-如何通过Python快速入门机器学习？
想快速入门的话，你可以这么看机器学习. 把每个机器学习算法看成一个函数，你只关心他的输入输出是什么就行，这样只要有点编程基础的话就都会使用机器学习了！这个级别的就看看python的sklearn包的机器学习算法模型怎么调用就行。应用性的机器学习算法的学习可以多看看Jason Brownlee的blog，有很多例子很容易上手
再进一步的话，就对每个算法函数的参数去多做点了解，比如把某一个参数调大调小会有什么影响等等。当模型出现结果不好时，能大概知道怎么去调动参数做优化。还有就是了解下怎么去评估一个算法的好坏，当数据平衡不平衡时分别用什么metrics比较好。以及怎么处理under-fittinng 和over-fitting问题。
在快速入门也知道怎么使用这些模型时，可以花时间具体去看看每个算法的具体理论，以及的优缺点，这样碰到不同问题就会大概知道选用什么方法去解决了！
Python速度那么慢，为什么还经常用于机器学习？
python 在机器学习时，运行计算时，调用numpy 库，这个库速度非常快，和c语言的一个级别。现在运算量大的 机器学习 算法，都用 gpu,tpu 等硬件提速，如果靠cpu,无论***用什么编程语言，都不可能 达到要求，类似 比特币挖矿，都用矿机，用cpu 挖就赚不到钱，比电费多不了多少。机器学习 ***用硬件提速 也是这个道理。所以和上边***用的编程语言 关系不大。 python 编程速度快，算法编程实现是，可以大大节约 开发人员的时间，减少软件错误。
python,是最适合机器学习的，所以被广泛***用。
python,只所以在桌面软件，服务器等大型软件上，***用的少，主要原因是 和 c以及java 相比，python 不利于代码的保密。而机器学习，不需要将算法代码，发布给用户，所以没有这方面问题。
大部分的机器学习库都是用 C++ 写的，都提供了对 Java 和 Python 的支持，使用这俩语言相当于在调包而已，一些计算密集型、IO密集型的操场都是底层框架在跑，所以对于 Python 写的机器学习项目来说，不是很慢。
spark机器学习和python机器学习的区别是什么？
spark是一个框架，python是一种语言，spark可以由python编写，python可以在spark下运行。原理上都是一样的，机器学习的原理都是数学上的东西。两者的区别只是语法上的不同，spark比较适合处理海量数据，但是不代表python不可以，而且python引入spark架构，既可以充分利用spark的分布式优势，也可以利用python灵活方便的优势。用的话选一个用就好了，没有一定的谁好谁坏。
先培训Python后自学比较好，还是先培训J***a后自学Python好？
建议先培训J***A后自学python,主要基于以下几点：
1、从学习的难度上看，J***A入门比python难，当然培训难的，自学简单的。
2、从就业的角度看，J***A的岗位要远远多于python的岗位，去培训J***A相对比自学能系统些，便于将来找工作。
3、python适合自学的原因是python语言的入门简单，语法结构没有J***A复杂。J***A这种复杂的语言你都学会了，python就不在话下。
到此，以上就是小编对于python从编程到机器学习的问题就介绍到这了，希望介绍关于python从编程到机器学习的4点解答对大家有用。
