一、哪個(gè)平臺更適合機(jī)器學(xué)習(xí)

不知道你說的平臺指的是什么，機(jī)器學(xué)習(xí)牽涉到很多數(shù)學(xué)算法，所以一般能提供豐富數(shù)學(xué)算法的平臺比較好，語言的話r，python都不錯(cuò)，fortran不知道是不是也可以，matlab當(dāng)然是比較經(jīng)典了，另外就是運(yùn)算量比較大，所以可以用硬件（比如顯卡或dsp）加速的平臺會更好，而hadoop等分布式計(jì)算平臺可能倒未必有利。

二、有哪些windows下好用的機(jī)器學(xué)習(xí)深度學(xué)習(xí)框架

兩者不是同一個(gè)level上的，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種。最近火的發(fā)紫的深度學(xué)習(xí)實(shí)際上指的的深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，普通神經(jīng)網(wǎng)絡(luò)由于訓(xùn)練代價(jià)較高，一般只有3-4層，而深度神經(jīng)網(wǎng)絡(luò)由于采用了特殊的訓(xùn)練方法加上一些小trick，可以達(dá)到8-10層。深度神經(jīng)網(wǎng)絡(luò)能夠捕捉到數(shù)據(jù)中的深層聯(lián)系，從而能夠得到更精準(zhǔn)的模型，而這些聯(lián)系不容易被普通的機(jī)器學(xué)習(xí)方法所發(fā)覺。

三、機(jī)器學(xué)習(xí)用什么語言或者平臺比較合適

首先推薦Matlab。原因是機(jī)器學(xué)習(xí)大神Andrew Ng在Coursera上有一門課，就叫Machine Learning。里面詳細(xì)講述了每個(gè)機(jī)器學(xué)習(xí)算法的原理和實(shí)現(xiàn)步驟。每一章都有作業(yè)，作業(yè)是用Matlab寫的。容易上手。把作業(yè)做過一遍以后，對機(jī)器學(xué)習(xí)就會有完整清晰地認(rèn)識。

其次推薦Python。推薦用Python的Scipy和Sklearn工具包。

這兩個(gè)包囊括了目前所有基礎(chǔ)的機(jī)器學(xué)習(xí)模型，比如線性回歸、邏輯回歸、支撐向量機(jī)、樸素貝葉斯等。并且可以在它們的主頁上找到非常詳細(xì)的教程。

另外一種很流行的是R。但個(gè)人覺得，用過前兩個(gè)，你基本已經(jīng)會了。

四、機(jī)器學(xué)習(xí)一般常用的算法有哪些？哪個(gè)平臺學(xué)習(xí)機(jī)器算法比較好

通常而言，能夠深入研究機(jī)器學(xué)習(xí)算法，并按照自己項(xiàng)目需求進(jìn)行定制開發(fā)的人，編程語言真的是一個(gè)很次要的問題。

自己去google搜索下面的關(guān)鍵詞吧，很多機(jī)器學(xué)習(xí)的算法實(shí)現(xiàn)。

machine learning in Java

machine learning in C++

machine learning in Python

machine learning in Matlab

machine learning in R