您好
基于以下三個原因，我們選擇Python作為實現(xiàn)機器學習算法的編程語言：(1) Python的語法清晰；(2) 易于操作純文本文件；(3) 使用廣泛，存在大量的開發(fā)文檔。

可執(zhí)行偽代碼

Python具有清晰的語法結構，大家也把它稱作可執(zhí)行偽代碼（executable pseudo-code）。默認安裝的Python開發(fā)環(huán)境已經附帶了很多高級數(shù)據(jù)類型，如列表、元組、字典、集合、隊列等，無需進一步編程就可以使用這些數(shù)據(jù)類型的操作。使用這些數(shù)據(jù)類型使得實現(xiàn)抽象的數(shù)學概念非常簡單。此外，讀者還可以使用自己熟悉的編程風格，如面向對象編程、面向過程編程、或者函數(shù)式編程。不熟悉Python的讀者可以參閱附錄A，該附錄詳細介紹了Python語言、Python使用的數(shù)據(jù)類型以及安裝指南。

Python語言處理和操作文本文件非常簡單，非常易于處理非數(shù)值型數(shù)據(jù)。Python語言提供了豐富的正則表達式函數(shù)以及很多訪問Web頁面的函數(shù)庫，使得從HTML中提取數(shù)據(jù)變得非常簡單直觀。

Python比較流行

Python語言使用廣泛，代碼范例也很多，便于讀者快速學習和掌握。此外，在開發(fā)實際應用程序時，也可以利用豐富的模塊庫縮短開發(fā)周期。

在科學和金融領域，Python語言得到了廣泛應用。SciPy和NumPy等許多科學函數(shù)庫都實現(xiàn)了向量和矩陣操作，這些函數(shù)庫增加了代碼的可讀性，學過線性代數(shù)的人都可以看懂代碼的實際功能。另外，科學函數(shù)庫SciPy和NumPy使用底層語言（C和Fortran）編寫，提高了相關應用程序的計算性能。本書將大量使用Python的NumPy。

Python的科學工具可以與繪圖工具Matplotlib協(xié)同工作。Matplotlib可以繪制2D、3D圖形，也可以處理科學研究中經常使用到的圖形，所以本書也將大量使用Matplotlib。

Python開發(fā)環(huán)境還提供了交互式shell環(huán)境，允許用戶開發(fā)程序時查看和檢測程序內容。

Python開發(fā)環(huán)境將來還會集成Pylab模塊，它將NumPy、SciPy和Matplotlib合并為一個開發(fā)環(huán)境。在本書寫作時，Pylab還沒有并入Python環(huán)境，但是不遠的將來我們肯定可以在Python開發(fā)環(huán)境找到它。