2
A
回答
0
我會考慮將屬性選擇的迭代作爲一個MapReduce作業的方法。遵循這個想法,您可以爲每個映射器分配屬性以檢查信息增益,並且在縮小階段(使用單個縮減器)可以選擇最佳屬性。
如果計算一臺機器上的單次迭代(在所有屬性上)的計算時間稍長一些,那麼工作開始時間開始時間大約爲20-40秒,我認爲這種方法很實用。
相關問題
- 1. Hadoop Mapreduce上有決策樹算法的實現嗎?
- 2. PHP決策樹實現(ID3或C4.5)
- 3. 增量式決策樹C++實現
- 4. 用決策樹邏輯實現程序
- 5. Adaboost實現與決策樹樁
- 6. 決策樹執行
- 7. 執行決策樹
- 8. J48決策樹
- 9. 決策樹jQuery
- 10. C++決策樹實現問題:在代碼中考慮
- 11. 決策樹在樹決策中保持使用Y變量
- 12. 決策樹。噪聲策略
- 13. 在決策樹上設置閾值?
- 14. 用r在r上繪製決策樹
- 15. 微軟商業智能 - 決策樹 - 「決策樹沒有發現模型拆分」
- 16. Adaboost決策樹/樹樁
- 17. 得到熊貓的實際決策樹
- 18. 決策樹問題解決
- 19. 決策樹:細化
- 20. 決策樹結果
- 21. weka決策樹java
- 22. 建模決策樹
- 23. 決策樹修剪
- 24. 修剪決策樹
- 25. Python決策樹GraphViz
- 26. 決策樹組件
- 27. 無法使用Accord.Net框架實現基本決策樹
- 28. 與java的apache的火花決策樹實現問題
- 29. 如何實現基於決策樹的C#代碼/邏輯?
- 30. 非二元決策樹到二元決策樹(機器學習)