大规模机器学习Python还是Java？
我目前正在着手一个项目，该项目将涉及抓取和处理大量数据（数百gig），并对其进行挖掘，以提取结构化数据、命名实体识别、重复数据消除、分类等
我熟悉Java和Python世界的ML工具：Lingpipe、Mahout、NLTK等。然而，当涉及到为如此大规模的问题选择一个平台时，我缺乏足够的经验来决定Java还是Python
我知道这听起来像一个模糊的问题，但我正在寻找关于选择Java或Python的一般建议。JVM提供了更好的性能（？）但是像Lingpipe等库是否与Python生态系统相匹配？如果我使用这种Python，那么在多台机器上扩展和管理它会有多容易
我应该和哪一个一起去？为什么
# 1 楼答案
由于Apache正在大力生产优秀的产品，比如用于搜索的Lucene/Solr/Nutch、用于大数据机器学习的Mahout、用于Map Reduce的Hadoop、用于NLP的OpenNLP，以及许多NoSQL产品。最好的部分是代表集成的大“I”，这些产品可以相互集成，当然在大多数情况下它们（这些产品）可以相互补充
Python也是很棒的，但是如果你从ASF考虑上面的话，那么我会和Sean Owen一样使用java。Python将始终适用于上述内容，但主要类似于附加组件，而不是实际的内容。例如，您可以使用Python通过流媒体等来实现Hadoop
部分地从C++切换到爪哇，以便利用一些非常流行的Apache产品，如Lucene、SoR＆AMP；OpenNLP和其他流行的开源NoSQL Java产品，如Neo4j&；OrientDB
# 2 楼答案
我认为Java的一大优势就是Hadoop。如果你真的是指大规模，你会希望能够使用这样的东西。一般来说，Java具有性能优势，并且有更多的库可用。那么：Java
# 3 楼答案
如果您正在寻找适合ML任务的NoSQL数据库，那么Neo4J是更适合生产的（相对而言）数据库之一，并且能够处理大数据，它是JAVA的原生版本，但附带了一个漂亮的现成REST API，因此可以与您选择的平台集成。JAVA将为您带来性能优势