以上三种改进方法，当机器学习算法准确率超过人类时都将无法实现。所以从人类水平到理论最优值，这一段路要比之前难走得多。
5.7 机器学习的实现框架
大数据、算法和并行计算能力构成了人工智能高速发展的三要素，海量的数据积累是基础。开源的机器学习平台能够让开发者将复杂的数据传输给已有的框架进行分析和处理，缩短了开发时间，提升了训练效果，极大地推动了AI技术的商业化进程。在本节中，我们将介绍两个用于AI开发的语言、框架和库。
5.7.1 Python
Python是数据科学家最常用的编程语言之一，也是机器学习的首选工具。这是因为Python内置了很多实用的library，很方便直接拿来用于解决机器学习的实际问题，后面要介绍的scikit-learn就是其中之一。
不熟悉编程的朋友们可能对library的概念不了解。我们知道，Python是写代码的工具，而library实际上就是预先写好的代码，可以直接用于应用，省去重复编写代码的过程。Library翻译成中文通常叫作“包”，调用library被称为“调包”。在Python中，数据科学家常用的library 如表 5-6所示。
对于初次接触编程或者Python的读者，我们推荐下载Anaconda。Anaconda集成了Python基本环境和上述所有常见包，安装方便，非常适合初学者使用。读者只需从Anaconda官网上免费下载其最新版本，就可以编写Python程序。本书中所有实例代码都可以在AnacondaPython中实现。
在Anaconda上，我们可以选择Spyder 进行代码的编写。Spyder是Python 的一款 IDE。如同其他编程语言一样，Python在编写代码时需要一个集成开发环境，IDE就是集成开发环境的缩写，它给用户提供了编程需要的图形化界面、编辑器、编译器、调试器等。打开Spyder，就可以看到输入代码的界面。
人工智能与大数据技术导论
160