benchm-ml

收录理由

选机器学习库时，多数人靠口碑而非实测，这个项目正是用数据替代传言。它针对二分类问题，把逻辑回归、随机森林、梯度提升和深度网络等常见算法，通过scikit-learn、R包、xgboost、lightgbm、H2O、Vowpal Wabbit和Spark MLlib等实现跑了一遍，并记录数据规模从一万行涨到一千万行时的训练耗时、内存占用和AUC。测试数据模拟信用评分、流失预测这类业务场景，含数值和类别特征，特征数约几千，结果贴近真实表格数据而非玩具样例。作者对硬件配置、各工具版本以及研究未覆盖之处交代得很清楚，方便你判断结果能否迁移到自己的环境。项目也坦承自身时效，并在需要更新的提升树结果时指引到后续的基准测试。