QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3430|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

    & \5 p: R& ?9 G1 g基于 Spark 的机器学习应用框架研究与实现/ G3 ?$ X. M7 U/ g
    $ p" ]: P3 r8 x: J, ]

    0 c: h8 i: }. h8 \) Y. C  v, c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
    4 F4 F* ?# H) ~" C1 @5 |+ x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,
    1 l. `1 P9 x1 QK-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, h! T/ @9 X" O# a- E4 t, k
    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,2 s0 f1 {/ O+ a5 o1 F
    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- F- ~# V) J$ ?: G8 ?
    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6 U( {/ m& z% [8 c7 B
    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
    0 k% H* ?- U$ u2 C1 v- N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,
    " u: `" X$ U7 \* S) |" K+ i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
    . y5 A; ]! W; a5 f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: E5 x  P1 `: ]& |9 [2 X% u) f. S
    些问题提高了用户使用 K-means 算法和随机森林算法的难度。
    4 f! b- z; _+ w: W# ?6 w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,2 r/ h/ [) [  t, V3 g, W
    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6 b8 L5 J5 M" t, N" A
    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
    * [, Y) `' j, ~8 ~5 K( M机器学习框架的应用门槛较高。
    ! e6 P$ _  U2 [" {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8 @* l& \' p9 M
    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/ u% F* E0 L8 P) e1 `- {3 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
    % Z+ b  W2 b8 w, b/ h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
    ; T& W; P( R1 A9 W7 V1 \# V0 r. D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$ A0 z9 z# [+ ]% p5 K" V
    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0 ?3 \. F8 L5 M5 e: M! B9 Q
    I上海交通大学硕士学位论文 摘要
    ; x& x4 }$ c9 h. N  @' k进行了验证。
    + l  |. c/ I! U1 a与其他同类系统相比,本文工作具有以下特点:
    8 L( d. u* z7 V3 K& u1) 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
    ( e9 v3 y3 T4 d: i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8 Q3 r! ^6 g3 {3 O6 ?
    (Adaptive K-means,简称 AKM)。实验结果表明,AKM 算法具有对待分
    1 i9 O+ i4 G5 R6 T" n' [2 x% E! W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$ ]) P/ H7 L: T9 s6 \, Z8 u
    数目 K 值等特点。
    : ~# w. R7 W: G0 o; Y; x, V4 p$ N" U2) 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1 h0 E! `& D& L7 t+ v# v# r
    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
    - E2 E# l3 N, r3 G6 l$ b(Adaptive Random Forests,简称 ARF)。实验结果表明,ARF 算法具有删
    3 G* M5 b4 N6 m2 X* j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
    # P% ^/ l6 P$ o; K0 s等特点。. ^, l1 a/ Z6 D2 h
    3) 在 AKM 算法和 ARF 算法的基础上,设计实现了一套基于 Spark6 F4 v! \  v3 I! P  A" T  L5 ?# v
    的机器学习应用框架 AMLF(Adaptive Machine Learning Framework on
    6 o% ~  h5 k5 X7 F1 qSpark)。AMLF 框架具有向用户提供统一的数据访问接口、机器学习模
    # O: v0 p6 D9 g$ z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,$ K3 D! N( s# V
    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( o! A( u6 x. K0 T( A: m
    的底层细节,降低了使用门槛。( w5 i* G3 R7 M* L
    ' f8 v- ?+ o" R. ?1 D
    5 q9 A4 o' f( D

    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 07:51 , Processed in 0.472729 second(s), 54 queries .

    回顶部