Weka und XGBoost vergleichen 
Weka vs XGBoost
Bei der Bewertung der beiden Lösungen fanden Rezensenten XGBoost einfacher zu verwenden und Geschäfte zu machen. Jedoch bevorzugten Rezensenten die Einrichtung mit Weka, zusammen mit der Verwaltung.
- Die Gutachter waren der Meinung, dass XGBoost den Bedürfnissen ihres Unternehmens besser entspricht als Weka.
- Beim Vergleich der Qualität des laufenden Produktsupports bevorzugten die Gutachter Weka.
- Bei Feature-Updates und Roadmaps bevorzugten unsere Rezensenten die Richtung von Weka gegenüber XGBoost.
I have used Weka for machine learning in order to analysing of test data.And also it is a good platform as a machine learning source, because we can do both training and testing through this application more conveniently.
- Die Grafiken sind nicht von bester Qualität direkt aus der Verpackung - Hat einige alternative Algorithmen nicht implementiert
Das Beste an XGBoost ist, dass es parallele Verarbeitung in der Entwicklung von maschinellen Lernmodellen bietet; mit Hilfe von 4 Kernen und paralleler Verarbeitung konnte ich ein maschinelles Lernmodell für 30 Millionen Abonnenten in 2 Stunden entwickeln.
There's not much to dislike. It's been pretty popular as a decision tree algorithm and rightly remains a reliable choice for data science applications. Only wished it was developed sooner!
I have used Weka for machine learning in order to analysing of test data.And also it is a good platform as a machine learning source, because we can do both training and testing through this application more conveniently.
Das Beste an XGBoost ist, dass es parallele Verarbeitung in der Entwicklung von maschinellen Lernmodellen bietet; mit Hilfe von 4 Kernen und paralleler Verarbeitung konnte ich ein maschinelles Lernmodell für 30 Millionen Abonnenten in 2 Stunden entwickeln.
- Die Grafiken sind nicht von bester Qualität direkt aus der Verpackung - Hat einige alternative Algorithmen nicht implementiert
There's not much to dislike. It's been pretty popular as a decision tree algorithm and rightly remains a reliable choice for data science applications. Only wished it was developed sooner!
