語言的側重點不同，matlab或者說python傾向於模型訓練、科學實驗，而C++由於其效能較好、開發複雜度較高，適合做工程化，用於模型預測

直接用python的庫，比如sklearn

matlab是用於計算的，太全、太偏數學，當然可以做機器學習，但太笨重了。

c++太底層了，如果你是程式設計高手，並且你是做機器學習的，你才能在較長的時間完成你的任務。並且由於c++本身太銳利，新手寫的程式都不穩定，除非你有15年以上的工業c程式設計師，否則不推薦。另外，sklearn底層就是呼叫的numpy庫，這個庫本身就是c++寫出來的，效率很好的

這個主要取決於你學它的目的，我認為主要分兩種情況，一種是做學術研究，另一種是工程應用，下面分別說明。

對於做學術研究來說，不但要理解機器學習中各種演算法的原理，為了有更進一步的發展，往往還需要能獨立進行數學推理，這時候為了更深刻的理解並應用演算法，自己程式設計實現這些演算法就是一種很好的學習途徑，比如說對於在校的研究生來說，如果能自己動手編寫這些演算法，不但會加深對理論的理解，還會增加實踐經驗。對於自己實現這些演算法，程式語言的首選是C/C++。

對於做工程應用來說，並不需要對各種演算法有非常深刻的理解，只要理解他們的原理和工作機制就行，然後如果有現成的庫，那就更好了，沒必須所有東西都自己實現。目前的程式語言中，對機器學習支援比較好的是Matlab和Python，但是考慮到版權和費用問題，還是推薦使用Python,畢竟是一個開源專案，而且有很多支援機器學習的第三方庫，比如PyTorch，TensorFlow 等。雖然Matlab功能強大，但是正版價格不菲。

總之，如果是學生，想要向學術方向發展，那麼就選擇C/C++自己實現這些演算法；如果是做工程，直接使用Python吧，它是目前最適合做人工智慧開發的語言之一。