@GymRat
尝试解答一下，可能有所偏颇。
统计学习除了数据量比较大，运行时候吃内存和存储空间之外，大量涉及矩阵和浮点数运算，CPU 在做这些的时候会比显卡慢很多，因此现代的主流选择是使用显卡进行主要的计算硬件支持。
而现在市面上卖显卡的就是 AMD 和 NVIDIA 两家大显卡商，如果直接基于显卡编程将会十分吃力，因此例如 pytorch\tensorflow\lightgbm 都封装好了一系列基于显卡的运算功能，而他们都是基于 N 卡的 CUDA 来封装的。撇开笔记本同价位显卡性能、散热远不及台式机不谈，就 MBP 采用的 A 卡是完全无法运行这些已经封装好的计算包的，因此并不适合直接在 MBP 上跑统计学习——除非你能忍受 CPU 的长时间满负荷运行以及比别人慢很多的效率。
MBP 适合编程是因为它的屏幕素质、键盘还有 macOS 带来的文件系统、终端的使用：会大大提高编程效率。但对于统计学习来说，这些性质并不能解决统计学习面对的核心问题——甚至可能拖后腿。