据我所知,目前没有成熟的Python分布式机器学习库。另一方面,Java有Apache Mahout和Cloudera的更近期的Oryx。
基本上看起来我必须在两个选项之间做出选择。要么费力地并行化自己的算法以与Hadoop流或Hadoop的Python包装器之一配合使用,直到存在像样的库,要么跳转到Java,以便我可以使用Mahout/Oryx。编写自己的MapReduce单词计数代码和编写自己的MapReduce SVM之间有着天壤之别!即使有像这个这样的优秀教程的帮助。
我不知道哪种选择更明智,所以我的问题是:
A)是否有我错过的某些有用的Python库?如果没有,您是否知道未来是否有任何开发中的库将有用?
B)如果以上答案是否定的,那么我花费时间跳转到Java是否更好?