¿Cómo se compara Weka con Matlab / Python / R para la ciencia de datos?

No importa cuál sea mejor.

Lo que importa es que en el mundo real, los modelos de aprendizaje automático se construirán con Python .

Todo lo demás se considerará marginal. Ya casi lo es. (en el mundo real) Todavía hay mucha R en la academia, pero están casi una década por detrás de la curva del mundo real.

¿Cómo saber si lo que digo es cierto?

Dirígete a Búsqueda de empleo | De hecho, entonces escriba ingeniero de aprendizaje automático.

¿Qué tienen en común los primeros 25 trabajos devueltos? Derecha, Python.

Como científico de datos, ingeniero de aprendizaje automático o incluso ingeniero de datos, aprenderá Python o su carrera se verá afectada.

Echa un vistazo a este curso gratuito sobre los algos básicos utilizados en el aprendizaje automático.

Una introducción al aprendizaje automático para ingenieros de datos

No he trabajado mucho con Matlab, pero sé algo sobre trabajar con Weka, Python y R para la ciencia de datos.

En mi opinión, Weka es una buena manera de familiarizarse con el aprendizaje automático / minería de datos en un contexto práctico. Como mencionan las otras respuestas, Weka es bastante inflexible. Pero, por otro lado, le permite entrar lentamente en el aprendizaje automático / minería de datos, que a veces no es realmente un lujo innecesario, y le permite importar sus propios algoritmos (escritos en Java). Veo a Weka más como una herramienta orientada a la investigación / educación para el aprendizaje automático / minería de datos que como una herramienta industrial. Además, si no me equivoco, realmente no puede hacer mucha limpieza / manipulación de sus datos en Weka.

R y Python son herramientas flexibles cuando se trata de hacer ciencia de datos. Puede limpiar y manipular su código antes de comenzar a modelar y su código básicamente dice lo que quiere hacer. Creo que para aquellos que están acostumbrados a la codificación, Weka a veces puede parecer que retroceda en lugar de avanzar porque no proporciona tanta información como cuando codifica. En resumen, si te gusta la codificación y eres un perfeccionista que quiere corregir todos los detalles, Python / R es el camino a seguir.

Para aquellos que han probado Weka y desean comenzar a hacer aprendizaje automático en R o Python, DataCamp tiene algunos tutoriales / cursos agradables:

• Python: Introducción a Python y Machine Learning (con Analytics Vidhya Hackathons) (enfoque gratuito y práctico para Machine Learning con Python)
• R: Introducción al aprendizaje automático: curso en línea y caja de herramientas de aprendizaje automático (cursos pagos, también enfoque práctico)

Soy un usuario reciente de WEKA y R. También he estado programando en Java en los últimos 4 años principalmente algoritmos como agrupación, filtrado colaborativo y MDS (escalamiento multidimensional).

Lo primero que se puede decir es que WEKA no necesita conocimientos de programación.

Entonces, si es un estadístico (sin conocimiento de lenguajes de programación), puede usar WEKA por su interfaz gráfica. Esta es una ventaja que lo hace muy útil para esta categoría de usuarios.

Estoy de acuerdo con la respuesta anterior sobre la falta de flexibilidad de WEKA. Sin embargo, en los últimos años se ha avanzado en esta dirección al ofrecer formas de interconectar el marco con otras bibliotecas o idiomas.

En particular, lo anterior es cierto cuando se compara WEKA con lenguajes de programación y bibliotecas (Python scikit, por ejemplo) como esta publicación en reddit: Weka vs Scikit-learn? • / r / MachineLearning