从机器学习算法的角度来看h2o.ai和SparkMLlib之间的区别

Question

目前，我正在使用h2o.ai和SparkMLlib对机器学习库进行调查。我已经确定h2o.ai库支持更多数量的ML算法与SparkMLlib相比，并且将Spark数据帧划分为训练和测试集似乎很困难（需要转换火花数据帧）到R / h2o数据帧，这也是时间/资源消耗）。

使用h2o.ai库优于SparkMLib或反之亦然的其他优缺点是什么？我正在关注h2o.ai和SparkMLlib到基于R的实现（SparkR）。因此，h2o (as.h2o)和SparkMLlib (as.DataFrame)的数据帧不同。

Answer 1

部分地，我使用以下链接找出答案：http://datasocial.onsocialengine.com/post/4171645/spark-mllib-or-h2o

此处提供详细的比较分析：https://github.com/szilard/benchm-ml

基准测试结果的幻灯片：https://speakerdeck.com/szilard/benchmarking-machine-learning-tools-for-scalability-speed-and-accuracy-la-ml-meetup-at-eharmony-june-2015

基准测试结果视频：https://vimeopro.com/eharmony/talks/video/132838730

机器学习库分析技术报告：https://github.com/chauhansaurabhb/Analysis-of-H2O-vs-SparkMLlib/blob/master/MLLibrary.pdf