星火ML decisiontree分类调用随机森林方法

Question

我运行下面的代码，现在，利用从ML库分类：

val decisionTree = new DecisionTreeClassifier().setLabelCol("label").setFeaturesCol("features").setMaxDepth(7).setImpurity("gini") 
val model = decisionTree.fit(df3) 
val prediction = model.transform(df3) 

当我看着星火历史，这里是我所看到的：

为什么我的单一决策树使用randomForest方法，我做错了什么？而且为什么有​​些任务与其他任务相比真的很长？ （如果有什么我可以做，以加快速度，我想知道）

的ML文件中并未给出这么多的信息.​​..

Answer 1

随机森林决策树的合奏

所以这和决策树一样。 如果您将最大深度从7调整为1，则需要更少的时间，但您会得到不足的配合。它也是基于RAM的大小。