Top-bewertete MLlib Alternativen
Es ist SCHNELL, und Sie können von Python, R, SQL, Scala oder Java auf die API zugreifen – funktioniert also hervorragend für Data-Science-Teams, die mehrere Sprachen verwenden. Bewertung gesammelt von und auf G2.com gehostet.
Manchmal ist eine Funktion, die neu ist, nur in einer der Sprachen verfügbar, aber das ist in Ordnung, sie versuchen, sie so schnell wie möglich auf die anderen Sprachen auszuweiten! Bewertung gesammelt von und auf G2.com gehostet.
13 von 14 Gesamtbewertungen für MLlib
Gesamtbewertungsstimmung für MLlib
Melden Sie sich an, um die Bewertungsstimmung zu sehen.
Es ist nützlich bei der Implementierung von maschinellen Lernalgorithmen wie Klassifikation, Regression und Clustering. Es funktioniert gut bei der Verwendung statistischer Modellierungstechniken. Bewertung gesammelt von und auf G2.com gehostet.
Es hat einen teuren Speicher mit der Notwendigkeit manueller Optimierung, die das Benutzererlebnis beeinträchtigen könnte. Es bietet Latenz, kann aber in R- und Python-Communities verwendet werden. Bewertung gesammelt von und auf G2.com gehostet.
Die Implementierung von ML-Algorithmen wie Regression, Klassifikation und Modellierungstechniken kann mit dem Tool durchgeführt werden. Bewertung gesammelt von und auf G2.com gehostet.
MLlib ist nicht produktionsreif, außerdem erweist sich Spark aufgrund seiner Latenz nicht als nützlicher Motor. Bewertung gesammelt von und auf G2.com gehostet.
Die Benutzeroberfläche und die Arbeitsstation sind erstklassig. Einfach zu navigieren und zu experimentieren. Bewertung gesammelt von und auf G2.com gehostet.
Nichts überhaupt. Alle sind perfekt und effizient genug. Bewertung gesammelt von und auf G2.com gehostet.
The scalability power of the framework which handles large data efficiently and performs machine learning algorithms at faster rate. Bewertung gesammelt von und auf G2.com gehostet.
The syntax and code changes for python R depends on the tools we are using.It is not standard which is tough for new users to adapt.The packages are very different compared tools to tool. Bewertung gesammelt von und auf G2.com gehostet.
MLLib wurde im Rahmen eines Kurses an meinem College für Big Data verwendet. So haben wir gelernt, warum MLLib tatsächlich entstanden ist und welche Unzulänglichkeiten im Map-Reduce-Framework von Hadoop vorhanden waren und wie Apache Spark diese gelöst hat. Der beste Teil ist die Benutzerfreundlichkeit von MLLib und auch die hervorragende Dokumentationsunterstützung sowohl von der offiziellen Website als auch von externen Quellen wie YouTube-Videos. Die große Community macht es einfach, MLLib zu lernen und zu verwenden. Ich habe MLLib für Entscheidungsbäume verwendet und konnte als Student erfolgreich dasselbe mit Leichtigkeit implementieren. Außerdem ist die Python-Implementierung sehr einfach zu implementieren. Bewertung gesammelt von und auf G2.com gehostet.
Wir bekamen ein vorinstalliertes System für unsere Labore und einen Cluster, aber als ich versuchte, dasselbe für meine Maschine zu tun, fand ich es ziemlich knifflig zu installieren. Außerdem fehlt die Unterstützung für Deep Learning, das ein sehr schnell wachsendes Feld des maschinellen Lernens ist. Bewertung gesammelt von und auf G2.com gehostet.
MLib so far is the best community supported widely used machine learning library for apache spark Bewertung gesammelt von und auf G2.com gehostet.
MLib is inconsistent with deep learning models, this causes issues while moving models to production Bewertung gesammelt von und auf G2.com gehostet.
Speed and ease of use. Strong community support and lots of resources. Bewertung gesammelt von und auf G2.com gehostet.
Prototyping can be time consuming. Also, limited utility in case of extremely large datasets. Bewertung gesammelt von und auf G2.com gehostet.
I love how it includes most of the popular ML libraries for easy use with Apache Spark and parallelized computing. The power is only limited by the number of cores you've got. Bewertung gesammelt von und auf G2.com gehostet.
I feel like some other ML frameworks have better models, or added features/functionality used in developing models. MLlib is also an open source part of Spark, so development of the framework depends largely on what Open Source folks contribute to it. Bewertung gesammelt von und auf G2.com gehostet.
Es ist verteilt und ermöglicht die verteilte Ausführung von Modelltraining sowie Modellbewertung. Es hilft, die Vorteile von Spark ohne die Verwendung von Scala zu nutzen. Es liefert Spark ML mit Python!
Hohe Leistung, da es sich um ein RDD-basiertes Datenmodellierungspaket handelt.
Ziemlich gute Dokumentation. Bewertung gesammelt von und auf G2.com gehostet.
Es ist starr mit einigen der Algorithmen, insbesondere mit fortgeschrittenen wie dem neuronalen Netzwerk. Zum Beispiel können Sie die Aktivierungsfunktionen eines neuronalen Netzwerks nicht ändern. Sie können entweder Sigmoid für alle Schichten verwenden oder tanh, was nicht wirklich sinnvoll ist!
Evaluationsmetriken sind nicht so reichhaltig wie Pakete wie Scikit-Learn.
Nicht alle seine Funktionalitäten sind in Python implementiert. Viele basieren noch auf Scala. Bewertung gesammelt von und auf G2.com gehostet.
