Weka, вероятно, является самой популярной общеобразовательной библиотекой обучения. Но это может быть довольно медленным в моем опыте.
Я смотрел Shark, Вафли, dlib, Plearn и MLС++ в качестве альтернативы, Из них акула и dlib выглядят наиболее перспективными.
Есть ли у кого-нибудь опыт в тестировании производительности этих библиотек?
Для меня самое главное: "Имеет ли этот инструментарий алгоритм или функцию, которую я хочу попробовать?" Поскольку эти инструментальные средства предоставляют довольно разнообразный набор функций, вы должны сначала попытаться сузить то, что вы хотите сделать.
Итак, например, если у вас есть горячее желание попробовать различные алгоритмы эволюционной оптимизации, я бы пошел с чем-то вроде Shark.
С другой стороны, я предпочитаю dlib для большей части моей работы, но это не обязательно означает много, поскольку Я написал это:) Однако, если вы заинтересованы в двоичной классификации, позвольте мне предложить мой текущий любимый метод для этого, svm_c_ekm_trainer. Я часто использую это для обучения нелинейных SVM на наборах данных сотен тысяч точек. Обычно он запускается через несколько минут (или иногда даже секунд), в то время как для классического алгоритма SMO для этого потребуется несколько часов или дней.
Были также некоторые хорошие ответы на аналогичный вопрос, заданный не так давно: Какую библиотеку обучения компьютера использовать.