Comparer MLlibetscikit-learn 
MLlib vs scikit-learn
Lors de l'évaluation des deux solutions, les examinateurs ont trouvé scikit-learn plus facile à utiliser, à configurer et à administrer. Les examinateurs ont également préféré faire des affaires avec scikit-learn dans l'ensemble.
- Les évaluateurs ont estimé que scikit-learn répond mieux aux besoins de leur entreprise que MLlib.
- En comparant la qualité du support produit continu, les évaluateurs ont estimé que scikit-learn est l'option préférée.
- Pour les mises à jour des fonctionnalités et les feuilles de route, nos évaluateurs ont préféré la direction de scikit-learn à MLlib.
MLlib now works on the new DataFrame API and thus is very easy to use.
Il est rigide avec certains des algorithmes, en particulier avec des algorithmes avancés comme le réseau de neurones. Par exemple, vous êtes incapable de changer les fonctions d'activation d'un réseau de neurones. Vous pouvez soit utiliser Sigmoid pour...
La documentation a une excellente explication et est très facile à mettre en œuvre.
MLlib now works on the new DataFrame API and thus is very easy to use.
La documentation a une excellente explication et est très facile à mettre en œuvre.
Il est rigide avec certains des algorithmes, en particulier avec des algorithmes avancés comme le réseau de neurones. Par exemple, vous êtes incapable de changer les fonctions d'activation d'un réseau de neurones. Vous pouvez soit utiliser Sigmoid pour...
