2
A
回答
0
我会考虑将属性选择的迭代作为一个MapReduce作业的方法。遵循这个想法,您可以为每个映射器分配属性以检查信息增益,并且在缩小阶段(使用单个缩减器)可以选择最佳属性。
如果计算一台机器上的单次迭代(在所有属性上)的计算时间稍长一些,那么工作开始时间开始时间大约为20-40秒,我认为这种方法很实用。
相关问题
- 1. Hadoop Mapreduce上有决策树算法的实现吗?
- 2. 用决策树逻辑实现程序
- 3. 增量式决策树C++实现
- 4. PHP决策树实现(ID3或C4.5)
- 5. 执行决策树
- 6. J48决策树
- 7. 决策树jQuery
- 8. C++决策树实现问题:在代码中考虑
- 9. 决策树在树决策中保持使用Y变量
- 10. 决策树。噪声策略
- 11. 用r在r上绘制决策树
- 12. 在决策树上设置阈值?
- 13. 决策树问题解决
- 14. 决策树:细化
- 15. 决策树修剪
- 16. 修剪决策树
- 17. 决策树组件
- 18. 决策树结果
- 19. weka决策树java
- 20. 建模决策树
- 21. 无法使用Accord.Net框架实现基本决策树
- 22. 如何实现基于决策树的C#代码/逻辑?
- 23. 非二元决策树到二元决策树(机器学习)
- 24. 执行决策树的语言
- 25. 如何在我用C构建决策树时存储决策树?
- 26. 修剪C++决策树
- 27. Weka软件决策树
- 28. id3决策树程序
- 29. 快速排序决策树
- 30. 与sklearn决策树图