- 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
- 567190 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175380
- 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 |
, W: t: {) G' j' U8 Z0 F% U, U基于 Spark 的机器学习应用框架研究与实现% q" \! O3 G; `* k
! l* c, ^+ M; i& O, D, P5 h% B( n9 A" [# r: d% O( q% 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
- M' s% s# q: 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,' P8 t; R$ ?/ ^$ H- z# t! t
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
' | u, _1 s i6 Z/ Z/ N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,3 `6 E8 T( y# I5 U/ r) a4 C; 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; Q. F7 F- B4 {8 l# a; X
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- {- B( P! Q6 d( @: o7 D# 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
: h5 [9 k; s; F1 U- N, Q5 T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,
! G0 c4 x I4 K& 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
( S5 o. \' t" M+ h3 C& E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* g1 R3 P7 C+ x. V" Q+ q- 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。% S- z- S- @, l7 d5 [$ ?
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, \ w }6 I0 [3 C
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
`( {& B, {+ r. L. X7 y d3 h' y* v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
; @% M) K2 b- N: R1 R机器学习框架的应用门槛较高。- B8 d( c |& ?0 r1 s: I
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
9 j7 { h2 `8 _. V4 B1 T$ H! |* h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
: d. y$ f: ?4 _( ^7 L& b' S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1 j7 ~- N5 M* Z
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 s) ?6 x4 X2 z# [+ y
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+ @8 F" m* s5 n( W2 x7 {0 ?
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, c6 Q, d2 E8 v$ m" |4 ?
I上海交通大学硕士学位论文 摘要. U8 T t' Q4 h: }- `
进行了验证。
: R2 H5 e& `. O与其他同类系统相比,本文工作具有以下特点:
7 y3 n( V# v; z" i- _5 d) m1 J1) 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, J# h' p: c. u5 X T9 }+ R; H
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
3 C F9 x3 }: b(Adaptive K-means,简称 AKM)。实验结果表明,AKM 算法具有对待分! I+ M" k0 p( X# J
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* l2 B- a- ~ g$ p# w
数目 K 值等特点。* w& O$ n& K1 O& j4 |$ ]2 ]5 e8 |
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
" Q" K' M# u: R; D/ 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
5 ]# O0 _0 p) O' |& G(Adaptive Random Forests,简称 ARF)。实验结果表明,ARF 算法具有删9 q+ c( b k' w+ e
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
8 m X% V) p* @/ l+ G, g8 e等特点。
' o! l/ Q: q T6 \0 H3) 在 AKM 算法和 ARF 算法的基础上,设计实现了一套基于 Spark* [# J$ w/ g ]
的机器学习应用框架 AMLF(Adaptive Machine Learning Framework on
) F7 h( k$ ]) g+ i* DSpark)。AMLF 框架具有向用户提供统一的数据访问接口、机器学习模+ n. d4 D% j4 C
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,
! N. m4 D D/ L) H+ o. J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
" v# ? D$ E& L8 D* _$ D, Q的底层细节,降低了使用门槛。
& }7 t# l$ k! Y3 D; v! x' A v. [ \; `/ s2 F' q' }# j. e7 N
/ ~* {: G# v5 \0 E |
zan
|