不幸的是，在我看来，统治语言是MATLAB...我说不幸的是，因为我既不喜欢也不使用这种语言，我更有可能用C++/Java编程。但是我周围的数据挖掘者和机器学习人员倾向于坚持使用MATLAB。
编辑：我刚刚在Wikipedia's page on R中读到一行非常有趣的代码：
根据Rexer在2010年的年度数据挖掘调查，R已经成为数据挖掘工具中使用最多的数据挖掘工具（43%）。

我在Java和Hadoop方面没有经验，但我使用Python和MATLAB进行机器学习，现在我更经常使用MATLAB。事实上，我的情况的重要因素如下：

• 我的同事几乎都使用MATLAB和C++，很少有人使用Python。他们的Python使用仅限于一般脚本，而不是特定的机器学习内容。因此，当我使用Python时，获得帮助的唯一途径是Web，我们面临着在实验室内共享代码的问题。
• MATLAB的IDE及其丰富的文档使其对我的案例非常强大。
• 您可以在MATLAB中处理大型数据集。link 1link2
• 有许多机器学习/数据挖掘库是用MATLAB编写的，大多数用C++/Java编写的库都有MATLAB Package 器。

有些观点对Python来说也是正确的。但正如我所提到的，我所工作的社区在决定语言方面起着重要作用。

R是数据挖掘（当然）和机器学习的绝佳候选者。
（当然是概括性的。）
Java和Hadoop在大数据和/或扩展需求的背景下非常有意义。Java给你提供了库和程序员大军. Hadoop为您提供了相当轻松的分发和不断增长的将各种算法Map到框架的知识库。
Python似乎有学术界的支持，特别是最近的毕业生，他们现在在专业实践中非常活跃和有影响力。此外，如果你只是想尝试一些东西，像Python这样的表达性动态语言显然将被证明是非常有用的。
然后是R。（还有很多，但这是我的知识范围/g/）
我认为，除了明显关注R带来的数据之外（因此也有一个数据极客社区来帮助科学部分），它是一个令人愉快的轻量级系统和not too shabby at all in terms of libraries as well。
也就是说，人们会认为（~）函数式语言（JVM上的Scala、Clojure; Haskell等）将非常适合操作数据和处理大型数据集。

我认为在这个领域最流行的组合是Java/Hadoop。当职位空缺还需要python/perl/ruby时，这通常意味着他们正在从这些脚本语言（通常是当时的主要语言）迁移到java，因为从启动代码库迁移到企业。在真实的世界的数据挖掘应用程序中，Python经常用于原型设计，小型数据处理任务。

Python越来越受欢迎，有很多库，对于原型设计非常有用。我发现，由于Python的许多版本及其对C库的依赖，很难部署。
R也很受欢迎，有很多库，并且是为数据科学而设计的。然而，底层的语言设计往往使事情变得过于复杂。
就我个人而言，我更喜欢Clojure，因为它有很好的数据操作支持，并且可以与Java生态系统互操作。目前它的缺点是还没有太多的数据科学库！