Python が Java や C/C++ に勝って機械学習に最適な言語である理由!

Python は、1989 年にオランダ人の Guido van Rossum によって発明され、1991 年に最初の公開リリースが行われたオブジェクト指向のインタープリタ型コンピュータ プログラミング言語です。

[[228634]]

Python は 1990 年代初頭に誕生して以来、システム管理タスクや Web プログラミングで徐々に広く使用されるようになりました。 2011 年 1 月、TIOBE プログラミング言語ランキングで 2010 年の言語に選ばれました。 2004 年以降、Python の使用量は直線的に増加しています。昨年7月20日、IEEEは2017年のプログラミング言語ランキングを発表し、Pythonが第1位にランクされました。

Python が今日最も人気のある機械学習言語である理由とは?それはビッグデータ時代の背景との適合性でしょうか、その独自のエコシステムでしょうか、それとも言語そのものでしょうか?

最初の理由は、もちろん、すべての人の人生は短いということです。インタプリタ言語である Python は、他のどの言語よりも実行速度が遅いですが、開発者の作業負荷を軽減します。 Python 開発者の哲学は、「1 つのメソッド、できれば 1 つのことを実行するには 1 つのメソッドのみを使用する」というものです。 Python 言語を設計する際に、複数の選択肢がある場合、Python 開発者は通常、複雑な構文を拒否し、曖昧さがほとんどまたはまったくない明確な構文を選択します。シンプルで習得しやすいという特徴により、巨大なユーザー グループと活発なコミュニティが生まれました。機械学習フレームワークの作成者も、より多くの人々に使用してもらうために大衆路線をとろうとしているため、Python はより現実的です。

Python が機械学習の主力となった 2 番目の主な理由は、Python が多数の機械学習コード ライブラリとフレームワークを提供しているためです。 Python では、NumPy や SciPy など、数学演算用の便利なサードパーティ ライブラリを多数利用できます。視覚化の点では、MatplotLib や SeaBorn があります。構造化データの操作は、R での経験に似た Pandas を通じて実行できます。画像、音声、テキストなどのさまざまな垂直分野には、前処理段階で呼び出すことができる非常に成熟したライブラリがあります。よく「ライブラリがたくさんある」と言われます。 Python 標準ライブラリは確かに巨大です。正規表現、ドキュメント生成、単体テスト、スレッド、データベース、Web ブラウザー、CGI、FTP、電子メール、XML、XML-RPC、HTML、WAV ファイル、パスワード システム、GUI、Tk、その他のシステム関連の操作など、さまざまなタスクに役立ちます。これは Python の「機能完全」哲学と呼ばれます。標準ライブラリに加えて、wxPython、Twisted、Python Imaging Library など、他の高品質なライブラリも多数あります。

[[228636]]

もちろん、このコード システムには依然としていくつかの欠点があるため、多くの回避策が作成されています。 Anaconda などのディストリビューションには、Python エコシステムの一部ではない実行可能ファイルへの依存関係を適切に処理する独自のパッケージング メカニズムがあります。しかし、全体として、Python パッケージング エコシステムは、Python の従来のシンプルさと利便性の重視と一致したレベルの利便性を機械学習に提供します。

最後にパフォーマンスです。もちろん、Python のパフォーマンスは大規模なデータトレーニングのニーズを満たすことができないため、ほとんどの企業は最初に Python を使用してプロトタイプを構築し、次に C++ または JAVA を使用してエンジニアリングを実装し、最後に Python を使用してインターフェイスをカプセル化して予約します。さらに、Python の C へのインターフェースのおかげで、gumpy や theano などの多くの効率的で Python に適したライブラリによってプログラムの実行を高速化できます。強力なチームのサポートがあれば、これらのライブラリの効率は、C の調整に 1 か月を費やした未熟なプログラマーの効率よりも高くなる可能性があります。

[[228637]]

したがって、機械学習の分野で Python が際立っているのは、単一の関数ではなく、Python 言語パッケージ全体です。シンプルで習得しやすく、より現実的であり、そのエコシステムには、機械学習の幅広いユースケースとパフォーマンスをカバーするサードパーティのコードライブラリがあり、手元の仕事をうまく行うのに役立ちます。