- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 564640 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174615
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
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 |
: O' D! Q! t# R8 I基于 Spark 的机器学习应用框架研究与实现
9 m3 p k) g$ E6 t/ M4 _7 }9 w2 C+ ?4 H! w, G% }
" K: |* ~0 j8 F; T9 X0 `2 ]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; S4 ~! H2 r1 R- \! p
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,
5 |/ A: j: ]& p; HK-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$ R' f. r) }: g ?: R6 i
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,
0 t& W+ B; M* h/ X% k& w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
9 h! R/ V4 @8 i8 v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 ?8 L4 v$ l9 K/ s1 Z
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' @+ ?2 K! C5 P- Z6 E4 l4 |
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,
5 ^* J' j0 Z/ ?* z( h) N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! ?1 F/ p. B- ^
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; V# ~: w) J D4 G
些问题提高了用户使用 K-means 算法和随机森林算法的难度。3 @: Q; d8 E {* u1 [: p* U* I$ ]
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,1 J* C" G9 m0 k$ v j+ s* f" ?( C4 n8 J
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
* L ?2 \! A& r8 L* C. t6 i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- ^ x5 y; j9 i" Y" o, i
机器学习框架的应用门槛较高。
3 P | ^& O6 h* G2 |/ G4 U4 h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
- {5 j+ h: T8 d8 z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
. N, J' z/ L: y. P( F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
$ C! Q" v- e* y3 i# k8 K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
% z4 Z2 Y# |$ y( \/ G' I6 L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
3 s) u8 N9 n: A( J3 D6 R) b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, Q5 \) C& o2 D" ?3 Z
I上海交通大学硕士学位论文 摘要0 _& G5 ~( e m2 k7 e2 ~7 O
进行了验证。
! e3 F6 p% p0 K2 c1 e5 [, R. f与其他同类系统相比,本文工作具有以下特点:
( z; h- l# D4 {8 o4 z3 b' z; z5 q" o1) 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
# j3 f# ?; V6 R% t/ C% |" 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. h: h/ [4 P3 a1 a
(Adaptive K-means,简称 AKM)。实验结果表明,AKM 算法具有对待分! W7 ^: f5 N) b" K; k
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( f6 Z" w5 ?! F( D6 ^
数目 K 值等特点。9 a4 H( w8 S5 Z1 m2 I) U- w3 c
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6 e ^, m, m- l: h4 k# @2 N
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( v2 f0 k, q+ J
(Adaptive Random Forests,简称 ARF)。实验结果表明,ARF 算法具有删! W1 _6 ?" r! l0 P. l1 [$ P
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1 x6 ]& K+ S% [, d: i! R( {" g! [3 d
等特点。
# c) V6 h7 R1 C0 V2 d6 S3 v3) 在 AKM 算法和 ARF 算法的基础上,设计实现了一套基于 Spark
# m* [2 r M# {6 d4 O/ W的机器学习应用框架 AMLF(Adaptive Machine Learning Framework on % f3 r9 I! {) x& B: q
Spark)。AMLF 框架具有向用户提供统一的数据访问接口、机器学习模* i% M: p& e1 |# T2 [$ Q0 j! P. @
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,
# C: c3 K7 k; d9 G5 C- i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, \* f. t" f9 k$ d5 c
的底层细节,降低了使用门槛。% Y; {& r F N! F; ~
, I/ L" S5 w& q
) u% h7 B$ M8 C$ v: I: ] f( M9 D
|
zan
|