H2O机器学习框架的学习

介绍：



H2O是开源的，分布式的，基于内存的，可扩展的机器学习和预测分析框架，适合在企业环境中构建大规模机器学习模型。H2O核心代码使用Java编写，数据和模型通过分布式 Key/Value 存储在各个集群节点的内存中。H2O的算法使用Map/Reduce框架实现，并使用了Java Fork/Join框架来实现多线程。

相关资源：

官网：https://www.h2o.ai/h2o/

github：https://github.com/h2oai/h2o-3

测试数据下载地址：http://data.h2o.ai/

首次接触指导文档：https://github.com/h2oai/h2o-3/blob/master/h2o-docs/src/product/flow/README.md

H2O的产品：

   H2O Flow：开源的分布式的机器学习框架，可以通过web页面快速构建模型；
   Deep Water：自动化机器学习框架，后端支持TensorFlow、MXNet以及Caffe.
   Sparkling Water：可扩展的H2O的机器学习算法与Spark的功能相结合。 使用Sparkling Water，用户可以从Scala / R / Python驱动计算，并利用H2O Flow UI，为应用程序开发人员提供了理想的机器学习平台。
   Stream：实时机器学习智能应用解决方案；
   Driverless AI：无人驾驶技术平台；

学习说明：

    首先通过指导文档对页面布局有一定的了解，稍后可以通过用例自己创建一个模型来验证；

    机器学习的参数调整和设置仍需要专业知识；

前台页面的不足：图表不够直观，中文资料较少，存在一定的入门门槛；