- 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
- 555357 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 171980
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 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 |
. ~9 R6 Z; X5 P基于 Spark 的机器学习应用框架研究与实现 m1 K3 @# |1 f5 ~; F; y& b4 r
/ P3 x& P' Q% A9 k
4 S- p. ^$ w' N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
8 a6 t: n/ ^% q( G: W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 q+ e) `2 n2 [) |: _1 U' cK-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0 C2 C4 J- N4 Z7 g/ d
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,1 Q# C) K R6 W( U: C; d6 A6 u
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
8 H( _7 G: A( F% {& {- y& ?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
T3 Q' z$ @( Z; A, G! g" J6 S8 K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' g' D$ W1 [$ Z: [1 M" d9 ?8 A
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,, d- R8 o0 C& e! Y
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; E7 j n) A) }" K( o) t8 M9 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
' f5 g# I7 p0 e* V9 X0 ^些问题提高了用户使用 K-means 算法和随机森林算法的难度。# U* O1 q8 o7 K3 c/ u+ @
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,/ n3 Z; p. G9 r) q
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
' G( e5 ]& K# a+ D; S2 S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
' q4 r' {+ i* _! v; E4 _- w机器学习框架的应用门槛较高。
]7 {* |" [0 H6 ?% {; B& C X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
+ Y7 A0 |5 s* N; E9 p2 S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 o. I" N& ?4 y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" G: z! W3 w; j% _
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
/ n; v% k. B! f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 ?9 B9 c; C) Q
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1 X: l) f+ N" W1 K/ H7 l
I上海交通大学硕士学位论文 摘要
- L0 @! f/ s% d( _+ h进行了验证。
! M8 b# X- N/ |+ C; [: k+ C与其他同类系统相比,本文工作具有以下特点:0 N- R4 `, a% Z9 J4 v1 X
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$ C# q3 I: B" I# {/ M' Q
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
' N+ f: g( [7 Q2 B5 N' [5 i) R(Adaptive K-means,简称 AKM)。实验结果表明,AKM 算法具有对待分" Y5 F3 _* b) E" F
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
, `3 |( d) f% D数目 K 值等特点。/ ]' T" x. m& { G9 O% y. @( x; D8 y
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. ?, U( q5 ?# D- o% w6 z
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' G9 I" T8 I. X' L" Y* R1 A
(Adaptive Random Forests,简称 ARF)。实验结果表明,ARF 算法具有删
) ^* v c2 J2 f' F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
% {+ Z$ v) I& P1 b; m% i9 {8 s等特点。
( E# d5 _9 d3 X3) 在 AKM 算法和 ARF 算法的基础上,设计实现了一套基于 Spark# x, D3 ^ w' r7 i+ U. Z$ o
的机器学习应用框架 AMLF(Adaptive Machine Learning Framework on
2 u# e( N1 V2 }+ W) h8 `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
6 s$ T( e( p# u3 N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,6 L0 e4 h$ z9 Y3 a+ g* r) X) b
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% d7 {, q( D+ ^& ~/ @7 C! j. C
的底层细节,降低了使用门槛。
/ P- X% A9 l) k; u8 D7 h
0 ?' A( E6 o2 ?, a
8 q, N* V6 P' ^7 a) H& ~7 d `7 ^ |
zan
|