Це швидка система навчання з відкритим вихідним кодом, спочатку розроблена Джоном Ленгфордом з Yahoo! Research і в даний час підтримувана Microsoft Research. VW є одним із запропонованих варіантів ML в Microsoft Azure. Він вирізняється багатьма особливостями, включаючи, наприклад, зважування важливості ознак, вибір різних функцій втрат, алгоритми оптимізації. VW використовується для вивчення тера-ознак (10^12) набору даних на 1000 вузлів за одну годину і може працювати на одному комп’ютері, Hadoop і HPC кластері.
Сильні сторони:
Ефективне, масштабоване швидке онлайн-навчання з відкритим вихідним кодом, яке підтримується сильними ІТ-компаніями (Microsoft, раніше Yahoo).
Ідентифікатори об’єктів перетворюються в ваговій індекс за допомогою хеша з використанням 32-бітного MurmurHash3
Використовує багатоядерні процесори в кластері Hadoop за допомогою власної бібліотеки MPI-AllReduce, парсинг вихідних даних і навчання виконуються в окремих потоках.
Дозволяє використовувати нелінійні функції, наприклад n-грами.
Продукт сильної промислової лабораторії, складається з скомпільованого C++, добре підтримується (на github).
Слабкі сторони:
Кількість доступних методів ML достатня, але обмежена.
Тільки API-орієнтоване середовище.