- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 81
- 收听数
- 1
- 能力
- 120 分
- 体力
- 540994 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 167677
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5324
- 主题
- 5250
- 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 |
; t0 [" E$ ?! E0 ~: e基于 Spark 的机器学习应用框架研究与实现
6 P9 z1 J6 J: N* f
6 |+ s' z& W' Z& o& b9 F* l% I) K4 L0 p1 E" j
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- A0 r6 d5 m1 `( R, ?% T
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,! L$ {" }/ v: h3 D }. E
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
' s# }; K9 J' R& K3 A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,
+ v7 L/ {/ r! G# V% X4 {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" k2 k, i/ A% R5 J. q+ R
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3 S: N1 I, `, M
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
`& k9 i" z2 G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,
. n) R& a( e0 w' c) G6 J. ^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 M( F3 d$ V" O/ |6 k- v
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
* P3 C( f+ K- d' R些问题提高了用户使用 K-means 算法和随机森林算法的难度。6 M2 p6 z: d1 F& s/ N" Y+ N5 ]
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,
5 D0 n" e$ b0 @# j0 [/ o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& p0 u2 w. u% g7 x" Q8 k) f* y
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
# Z5 E! I0 ]: [" @. n1 a机器学习框架的应用门槛较高。
6 ]. E6 }8 ^& j* A' l- }% j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
/ p( F( L- \" C8 c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; j" W* p( o: E
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9 |' p( O* i" B8 w% \
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
/ U) R3 M$ Q a- t7 [1 e4 L9 R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. d# h2 ^: P) f, T4 S1 S
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
Z# X! G R+ ^/ fI上海交通大学硕士学位论文 摘要
! y; i7 T* ?* V进行了验证。3 w) g6 E V: L' a
与其他同类系统相比,本文工作具有以下特点:
, D* |+ ^) n9 Y# Q1) 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
; w6 n: t5 _# K+ r* x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
& x2 E9 Y( t5 ^0 b$ R/ p(Adaptive K-means,简称 AKM)。实验结果表明,AKM 算法具有对待分8 E4 F+ g% `$ J' K: b# {
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 M! i+ ~4 B# I L, H- O2 t5 S, r3 \数目 K 值等特点。9 f2 T2 @& e# M) @5 M
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
( t1 _% b2 [3 z3 K" `4 ^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 |- h3 ]/ F# G7 U! D2 V3 S# l( Z. U(Adaptive Random Forests,简称 ARF)。实验结果表明,ARF 算法具有删
: v% S* d& @& j- 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0 C& F/ G( i X6 H1 R; h9 A6 \
等特点。% X ]7 C- U8 h
3) 在 AKM 算法和 ARF 算法的基础上,设计实现了一套基于 Spark# `- F) Z! u+ [1 P1 P% a( J$ E
的机器学习应用框架 AMLF(Adaptive Machine Learning Framework on + h5 m* _" t; f" V M; [; j
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
' h k9 f, y: j: w& Z. p9 \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,
: R) t" ~2 c% c( e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4 {+ S! g+ J+ U7 r' F& G+ _
的底层细节,降低了使用门槛。$ o" [% g8 K+ e) u7 x. _
1 }, P8 w# w2 ~7 [
# s4 Q; i+ h; t' |' X8 J |
zan
|