Weka和mahout的区别

mahout:

1.可大规模分布式计算

2.目标对象是程序开发人员

3.与hadoop和lucene有很好的接口

4.是围绕着可扩展的算法和接口特殊设计的

5.命令行和API

6.Apache  license

weka:

1.内存消耗厉害

2.目标对象是数据挖掘分析人员

3.有大量的算法集

4.GUI

5.GPL

 

功能层面，Weka 包含大量经过良好优化的机器学习和数据分析算法，可以处理与格式化、数据转换相关的各种任务，唯一的不足就是它对内存敏感的大数据处理的不好。而Mahout 则为大数据而生，作为一个新生的数据挖掘工具，它所支持的算法与Weka 相比依然很少，相关文档的质量也良莠不齐，但是它的优势在于不仅支持单机环境，还支持MapReduce 分布式计算，能够应对Weka 无法处理的大数据。

性能方面，algorithmia 通过使用两个工具都支持的算法（随机森林）对同一个数据集进行分类做了对比。结果显示，Weka 的最优准确率为99.39%（250 棵树），而Mahout 为95.89%（100 棵树），同时该实验也显示树的数量对Mahout 的分类准确率影响很小