評價一下h2o.ai 的開源機器學習平台？

01-28

有沒有哪位大神在用過？性能，擴展性及後期發展？

聲明：本人比較技術小白，也還在學習ing。大牛們輕拍～本人是H2O.ai員工～

－－－－－－－－－－－－－－－－－

據我了解，h2o.ai的主要優勢是：

@Luckison Sun 提到的：易上手。不管是用R，Python，Java, Scala, REST都可以直接上手，開始使用，不需要太多的setup。還有一個非代碼界面叫Flow，甚至可以讓不會寫代碼的人很快的開始做模型。
@Djvu 提到的：演算法多樣性。H2O有很多明星演算法，Gradient Boosting Machine (GBM)，Deep Learning等等。也得利於是開源的，所以可以集眾家所長。（比如，最近H2O已經在集合 mxnet, Google的Tensorflow等）

非常快的大數據平行計算。h2o使用的是in-memory distributed computing。從 training 到 scoring 都是非常快的。像 @Djvu 說的，已有很多benchmark啦。H2O有好多工程師大牛。比如，創始人之一 Cliff Click 是編譯器大牛，是JVM的主要架構師之一。坊間傳言，經常一個周末回來，他就把某個東西從頭到尾重新寫了一遍，然後就又快了一點兒。。。

可以和多種數據介面：HDFS, S3, SQL and NoSQL
可以導出格式統一的POJO，減少把模型重新寫成應用格式的時間。

擴展性和長期維護方面，H2O也是很棒棒噠。Open Tour的時候，會有很多大客戶來分享他們的Use Case。如果有興趣，大家可以移步以下，看看其他用戶的大數據實時分析案例：

https://www.youtube.com/watch?v=6FPbtd4iLDwlist=PLNtMya54qvOHiqbwvBAFML74HsVyTqsnWindex=14
https://www.youtube.com/watch?v=OYThnlcVD9glist=PLNtMya54qvOHiqbwvBAFML74HsVyTqsnWindex=27

在其他同事努力在把h2o變的更快、更快的時候，我們的設計團隊在致力於做數據可視化，希望能把這些複雜的演算法變得更容易理解，更容易使用。:)

如果大家有具體問題，歡迎小窗我～就算我回答不了，也可以找坐在旁邊的大牛同事回答。:D

也歡迎大家去h2o的用戶交流群提問／討論： h2oai/h2o-3 - Gitter

Stack Overflow也是好地方, 請用h2o標籤：Newest h2o Questions

github上有一份spark, h2o等系統的benchmark。你可以搜一下看看。

benchmark給出的性能上比spark高一點，內存使用量少不少。

使用介面上仿照dataframe，比spark容易一些。但是發現文檔有些地方有錯誤。當然社區也沒有那麼活躍。

內置的機器學習演算法但是不少，據說比mllib快不少，還有深度學習的演算法。

長期維護性沒有經驗。

做過機器學習的人都知道mahout，mhout的前身是taste，古老而常青的機器學習框架，hadoop生態系統中的一部分，但是taste也就是mahout的創始人，從某一天起，宣布mhout不再接受mapreduce程序，轉而支持spark，現在本人活躍在spark mllib社區。

機器學習目前成立大數據領域的巔峰，但是spark這麼久以來，重心一直放在哪裡？是號稱killer Application的spark sql，spark sql的出現讓其他的資料庫產商感到害怕，有了spark sql，或許目前的mysql、oracle、hbase、mongodb什麼的，都將不復存在。哪怕是設計十分精妙的impala、flink，都因為spark sql的存在，感嘆既生瑜何生亮。

但是大數據時代，最重要的不是互動式查詢的spark sql而是機器學習，spark這麼久了，機器學習上面演算法一直有不足，不說演算法設計上面的缺陷，最基本最經典的推薦演算法的協同過濾演算法都沒有實現，不知道各位有沒有著急？？？反正我很急。

所以 h2o，結合spark 的產物，sparkling water，提供諸多演算法，彌補spark的不足，當然應該給好評啊。

請spark社區的人，加快機器學習的進度吧

我覺得界面比較簡單明了啊比pig hive什麼的簡單多了

H2O.ai提供了一站式自動建模平台DAI（Driverless AI），可以在其官網下載。

官網：https://www.h2o.ai/driverless-ai/

下載地址：https://www.h2o.ai/driverless-ai-download/

由於是商業版軟體，需要購買。目前h2o.ai提供試用期。可以發郵件申請註冊碼，大概一個月左右的試用時間，申請試用，嘗試一下自動建模。

在文檔頁提供了安裝說明：http://docs.h2o.ai/driverless-ai/latest-stable/docs/userguide/installing.html

在windows環境下要求至少8G內存，其他環境可參照幫助文檔。

其架構在官網描述如下：

實際上DAI平台集成了三部分內容：

1、jupter notebook：適用於對建模熟悉，編程熟悉的人；

2、H2Oflow：適用於熟悉建模的人，快速數據分析；

3、Driverless：適用自動建模。

同時還提供了部分模型的解釋，即圖形化展示模型。

DAI提供的安裝方式是docker鏡像。對其部分代碼的分析，採用的是通過Tornado web架構。關鍵代碼編譯為.so文件。這是對python語言項目常用的一種安全保護。關於如何將python代碼轉換為.so文件，可以參見 python編譯及打包。

現在鏈接不敢隨便點啊

不就是mllib 做了個好看的圖形化wrapper 嗎……

下圖來自你們自己家官網，圖都沒畫對有沒有，深度學習怎麼和隨機森林在一個stack裡面的呢？你要能做出來已經開live收智商稅了好不好？

不要再出來騙投資人錢了好嗎？