Comparer MLlibetWeka 
MLlib vs Weka
Lors de l'évaluation des deux solutions, les évaluateurs ont trouvé MLlib plus facile à utiliser. Cependant, Weka est plus facile à mettre en place et à administrer. Les évaluateurs ont également préféré faire affaire avec Weka dans l'ensemble.
- Les évaluateurs ont estimé que Weka répond mieux aux besoins de leur entreprise que MLlib.
- En comparant la qualité du support produit continu, les évaluateurs ont estimé que Weka est l'option préférée.
- Pour les mises à jour des fonctionnalités et les feuilles de route, nos évaluateurs ont préféré la direction de MLlib à Weka.
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...
Using Naive Bayes theorems and other clustering algorithms it was very easy to get a visualization and classification
- Les graphismes ne sont pas de la meilleure qualité dès le départ - N'a pas mis en œuvre certains algorithmes alternatifs
MLlib now works on the new DataFrame API and thus is very easy to use.
Using Naive Bayes theorems and other clustering algorithms it was very easy to get a visualization and classification
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...
- Les graphismes ne sont pas de la meilleure qualité dès le départ - N'a pas mis en œuvre certains algorithmes alternatifs
