2
A
回答
0
我会考虑将属性选择的迭代作为一个MapReduce作业的方法。遵循这个想法,您可以为每个映射器分配属性以检查信息增益,并且在缩小阶段(使用单个缩减器)可以选择最佳属性。
如果计算一台机器上的单次迭代(在所有属性上)的计算时间稍长一些,那么工作开始时间开始时间大约为20-40秒,我认为这种方法很实用。
相关问题
- 1. Hadoop Mapreduce上有决策树算法的实现吗?
- 2. PHP决策树实现(ID3或C4.5)
- 3. 增量式决策树C++实现
- 4. 用决策树逻辑实现程序
- 5. Adaboost实现与决策树桩
- 6. 决策树执行
- 7. 执行决策树
- 8. J48决策树
- 9. 决策树jQuery
- 10. C++决策树实现问题:在代码中考虑
- 11. 决策树在树决策中保持使用Y变量
- 12. 决策树。噪声策略
- 13. 在决策树上设置阈值?
- 14. 用r在r上绘制决策树
- 15. 微软商业智能 - 决策树 - “决策树没有发现模型拆分”
- 16. Adaboost决策树/树桩
- 17. 得到熊猫的实际决策树
- 18. 决策树问题解决
- 19. 决策树:细化
- 20. 决策树结果
- 21. weka决策树java
- 22. 建模决策树
- 23. 决策树修剪
- 24. 修剪决策树
- 25. Python决策树GraphViz
- 26. 决策树组件
- 27. 无法使用Accord.Net框架实现基本决策树
- 28. 与java的apache的火花决策树实现问题
- 29. 如何实现基于决策树的C#代码/逻辑?
- 30. 非二元决策树到二元决策树(机器学习)