QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3428|回复: 0
打印 上一主题 下一主题

[其他资源] 基于 Spark 的机器学习应用框架研究与实现

[复制链接]
字体大小: 正常 放大
杨利霞        

5273

主题

82

听众

17万

积分

  • TA的每日心情
    开心
    2021-8-11 17:59
  • 签到天数: 17 天

    [LV.4]偶尔看看III

    网络挑战赛参赛者

    网络挑战赛参赛者

    自我介绍
    本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。

    群组2018美赛大象算法课程

    群组2018美赛护航培训课程

    群组2019年 数学中国站长建

    群组2019年数据分析师课程

    群组2018年大象老师国赛优

    跳转到指定楼层
    1#
    发表于 2020-11-20 15:08 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    9 z- p$ s3 D$ j/ `) ^& W
    基于 Spark 的机器学习应用框架研究与实现- s# q7 g2 C  q( C" a$ A  A
    : m" \$ t# l" N0 u

    # ?1 t0 }, u: D6 M% C, q( B# d+ u聚类分析和分类分析是机器学习的重要领域,K-means 算法和随机' a2 v" y: Q: m0 h$ _1 s
    森林算法分别是聚类分析和分类分析中最常用的算法之一。然而,* Q  o3 W7 J+ A! j% \/ h
    K-means 算法和随机森林算法都存在一些限制和缺点。K-means 算法中
    8 v7 G8 _# Y0 g的群组数目 K 值需要使用者预先设定,这对使用者提出了较高的要求,5 b& j0 G; J0 I) D% w+ ?1 |$ @
    经验不足的使用者设定的 K 值的准确性也存在一定的问题;随机森林算
    ) U! `& |8 d1 m) ]! R4 d- ^法进行分类决策时,无法区别对待每一棵决策树,导致准确性差的决策
    1 ?/ m* O; o6 y8 s树会影响算法整体的准确性。在实际应用中,待分析的数据集存在各种! {& N0 C0 ]: M, s
    各样的问题。包含较多孤立点的数据集会增加 K-means 算法的迭代次数,: M$ a0 m& P4 |, d9 a
    提高算法的复杂度,降低算法的准确性;对于包含噪声特征和冗余特征* D  B  x# j1 F* f7 f; V/ ]" P( K
    的数据集,随机森林算法的准确性会受到影响,错误率会提高。上述这
    4 m5 u) s. g9 y/ U8 E些问题提高了用户使用 K-means 算法和随机森林算法的难度。
    8 v. z6 t3 p/ a3 \/ z9 I/ h另一方面,基于分布式计算的机器学习框架得到了广泛应用。然而,6 `' P% e; S" Q: ?, r
    现有的机器学习框架受限于机器学习算法自身的限制和缺点,要求用户
    * s" Z+ |% d- t0 z2 L/ `+ E进行数据挖掘和分析时,需要掌握足够的机器学习算法知识,导致这些
    & f' `- X; [! e( W1 g+ L机器学习框架的应用门槛较高。* o+ ~# \- Z5 |9 W% u
    针对上述问题,本文以实验室承担的某省交通物流云计算平台建设- H9 e) N# _, `. Y) m! A
    项目为背景,对聚类分析中的 K-means 算法和分类分析中的随机森林算
    5 x5 c' H: y0 z9 G1 k2 W法以及这两种算法存在的限制和缺点进行了分析,提出了相应的改进算
    7 p7 i% P4 B  y+ {法,设计并实现了一套基于 Spark 的机器学习应用框架。该框架具有自8 p7 v6 x6 l' s! M
    适应的数据预处理、算法调优和参数选择,用户无需关注机器学习算法& I: K9 d! G+ D, I* s4 T! {* L
    的底层细节等特点。最后,本文通过交通物流领域的应用例子对该框架6 u5 Y9 @8 v$ G, p; ^" v( ~+ v% Z# p3 p( l
    I上海交通大学硕士学位论文 摘要
    ! y+ d9 @0 K6 Q进行了验证。/ ^& ?9 x+ {: q- l6 R$ M! ~. e
    与其他同类系统相比,本文工作具有以下特点:0 w7 X# s) L3 ]6 F. Y# I
    1) 针对 K-means 算法存在的特征权重不一致、孤立点干扰和群组数
    ) r8 P9 m" O2 p  g/ l9 Y8 Z目 K 值设定等问题,本文提出了一种改进的自适应 K-means 算法: v$ \1 `5 D6 f. u% \" S1 A
    (Adaptive K-means,简称 AKM)。实验结果表明,AKM 算法具有对待分
    % x0 Q. s5 e3 B' \3 J* L5 D; {析数据集进行规范化处理,对孤立点进行检测和删除,自动化求解群组& `. V7 l1 n1 {( t4 P5 p6 p
    数目 K 值等特点。9 z0 Q1 D5 R5 `/ _
    2) 针对随机森林算法存在的噪声特征干扰、冗余特征干扰和分类决
    ! O' Y/ D% G. o策投票策略等问题,本文提出了一种改进的自适应随机森林算法0 O8 s/ R2 I: D* @7 Y
    (Adaptive Random Forests,简称 ARF)。实验结果表明,ARF 算法具有删/ m' s2 W0 h, n# d. B2 Q+ @, u, `
    除噪声特征和冗余特征,根据具体的问题选择合适的分类决策投票策略+ n3 d& N) o9 Y2 P3 t$ b
    等特点。2 n( N# C5 m$ V7 R7 y7 G
    3) 在 AKM 算法和 ARF 算法的基础上,设计实现了一套基于 Spark: U# }) H  P+ o% f- q, F/ h& D
    的机器学习应用框架 AMLF(Adaptive Machine Learning Framework on
    - U4 E+ m0 [/ a* n$ F; M' e1 ?/ mSpark)。AMLF 框架具有向用户提供统一的数据访问接口、机器学习模
    / d1 g0 Z' U8 V型的导入导出、统计和反馈机器学习模型信息等功能。应用情况表明,# F9 z+ I; r% v+ p) u  e% d2 K
    用户使用 AMLF 框架进行机器学习应用开发时,无需关注机器学习算法
    ! |1 _8 q+ |6 I' ]5 p的底层细节,降低了使用门槛。1 {/ g6 `, l7 a+ d3 s. J. {
    # ?8 u+ j+ [5 l
    9 u3 A$ T- F2 Z  C/ q7 K4 h

    基于 Spark 的机器学习应用框架研究与实现.pdf

    4.22 MB, 下载次数: 0, 下载积分: 体力 -2 点

    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-6-9 06:35 , Processed in 0.513377 second(s), 54 queries .

    回顶部