Training Big Random Forests with Little Resources
Abstract 对大量数据实例使用随机森林一般需要大型计算集群来进行训练。这篇论文提出了一种简单有效的分层构造框架来提高训练的速度。其基本思路是一个多级构造方案:用数据的少量随机子集来构建顶层树,之后将所有训练实例通过顶层树分散到各个叶子节点后进行后续的处理。
共 2 篇文章
Abstract 对大量数据实例使用随机森林一般需要大型计算集群来进行训练。这篇论文提出了一种简单有效的分层构造框架来提高训练的速度。其基本思路是一个多级构造方案:用数据的少量随机子集来构建顶层树,之后将所有训练实例通过顶层树分散到各个叶子节点后进行后续的处理。
Abstract 这篇论文介绍了在实际生产环境中机器学习如何发挥的重要作用。 给出的结论是:成功的基础是迭代与假设驱动的过程