图书标签: R  machine_learning  计算机  英文书籍  统计  Data_Science  社科方法  教科书   

喜欢 Practical Machine Learning with H2O 的读者还喜欢

想用R做deep learning的话H2O是个很好的方案，速度堪比C，C艹

2017年上Machine Learning的课时买来当project参考书用的，只看了deep learning部分。

想了解：怎样跟spark结合的？适不适合作为完整的大数据机器学习方案？跟keras、mllib比较的优劣势？====> 整体而言，H2O是比较独立的ML系统，有自己实现的算法库，自己实现的分布式架构：分布式数据结构和计算协议。基于spark的分布式其实只是借助了spark的executor去启动它自己的分布式节点程序，跟hadoop的distributed shell例子类似。 优势是有可视化，固化了模型以及模型评价体系。可以部署为一个公共的、分布式、有可视化、机器学习服务。可支持R，python。是数据科学家的利器！

想了解：怎样跟spark结合的？适不适合作为完整的大数据机器学习方案？跟keras、mllib比较的优劣势？====> 整体而言，H2O是比较独立的ML系统，有自己实现的算法库，自己实现的分布式架构：分布式数据结构和计算协议。基于spark的分布式其实只是借助了spark的executor去启动它自己的分布式节点程序，跟hadoop的distributed shell例子类似。 优势是有可视化，固化了模型以及模型评价体系。可以部署为一个公共的、分布式、有可视化、机器学习服务。可支持R，python。是数据科学家的利器！

想了解：怎样跟spark结合的？适不适合作为完整的大数据机器学习方案？跟keras、mllib比较的优劣势？====> 整体而言，H2O是比较独立的ML系统，有自己实现的算法库，自己实现的分布式架构：分布式数据结构和计算协议。基于spark的分布式其实只是借助了spark的executor去启动它自己的分布式节点程序，跟hadoop的distributed shell例子类似。 优势是有可视化，固化了模型以及模型评价体系。可以部署为一个公共的、分布式、有可视化、机器学习服务。可支持R，python。是数据科学家的利器！