Comparar Weka e XGBoost 
Weka vs XGBoost
Ao avaliar as duas soluções, os avaliadores consideraram XGBoost mais fácil de usar e fazer negócios no geral. No entanto, os avaliadores preferiram a facilidade de configuração com Weka, junto com a administração.
- Os revisores sentiram que XGBoost atende melhor às necessidades de seus negócios do que Weka.
- Ao comparar a qualidade do suporte contínuo do produto, os revisores sentiram que Weka é a opção preferida.
- Para atualizações de recursos e roadmaps, nossos revisores preferiram a direção do Weka em relação ao 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.
- Os gráficos não são da melhor qualidade fora da caixa - Não possui alguns algoritmos alternativos implementados
A melhor coisa sobre o XGBoost é que ele fornece processamento paralelo no desenvolvimento de modelos de aprendizado de máquina; com a ajuda de 4 núcleos e processamento paralelo, eu consegui desenvolver um modelo de aprendizado de máquina em 30 milhões de...
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.
A melhor coisa sobre o XGBoost é que ele fornece processamento paralelo no desenvolvimento de modelos de aprendizado de máquina; com a ajuda de 4 núcleos e processamento paralelo, eu consegui desenvolver um modelo de aprendizado de máquina em 30 milhões de...
- Os gráficos não são da melhor qualidade fora da caixa - Não possui alguns algoritmos alternativos implementados
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!
