কোন মেশিন লার্নিং ক্লাসিফায়ারগুলি সর্বাধিক সমান্তরাল?


10

কোন মেশিন লার্নিং ক্লাসিফায়ারগুলি সর্বাধিক সমান্তরাল? আপনার যদি শ্রেণিবদ্ধকরণের সমস্যা, সীমিত সময়, তবে কম্পিউটারের একটি শালীন ল্যানের সাথে কাজ করার সমস্যা হয় তবে আপনি কোন শ্রেণিবদ্ধের চেষ্টা করবেন?

এটি আমার কাছে কিছু স্ট্যান্ডার্ড শ্রেণিবদ্ধের মতো দেখাচ্ছে যা আমি নীচে স্ট্যাক আপ সম্পর্কে জানি তবে আমি সম্পূর্ণ ভুল হতে পারি:

এলোমেলো অরণ্য - যতক্ষণ না প্রতিটি মেশিন সমস্ত ডেটা ধরে রাখতে পারে ততক্ষণ সমান্তরালভাবে (যেমন প্রশিক্ষণের ডেটা ভাগ করে নিতে পারে না, তবে অন্যথায় সমান্তরালভাবে)।

বুস্টিং -?

সমর্থন ভেক্টর মেশিন - খুব সমান্তরাল নয়।

সিদ্ধান্ত গাছ - অংশে ভাগ করা যায়, তবে খুব দক্ষতার সাথে নয়।


এই পোস্টে একটি আপডেট প্রয়োজন। বর্তমানে ডিএনএন হ'ল আলগোরিদিম যা সমান্তরাল গণনা থেকে সবচেয়ে বেশি উপকৃত হয়। এবং বুস্টিং খুব কমই সমান্তরাল হয়।
টিএনএম

উত্তর:


11

[ একটি কাগজ ], এসভিএম [ একটি কাগজ ], এমনকি সিদ্ধান্তের গাছগুলি [ একটি কাগজ ] সহ বেশিরভাগ সুপরিচিত শ্রেণিবদ্ধের সমান্তরাল করার চেষ্টা করা হয়েছে । অবশ্যই, সমান্তরালতা স্বীকার করে, আপনি কখনও কখনও অন্যান্য দিকগুলি হারাতে পারেন, এটি আলগোরিদম বাস্তবায়ন, নমুনা জটিলতা বা অন্যান্য সাধারণ সন্দেহভাজন কিনা।

তত্ত্বের শেষ থেকে, প্রশ্নটি আরও শক্ত কারণ কারণ আপনি যখন শেখার বিষয়ে কথা বলবেন তখন আপনাকে লক্ষ্য ফাংশনটি সম্পর্কে ভাবতে হবে। উদাহরণস্বরূপ, আমরা সিদ্ধান্ত গাছগুলিও পিএসি-শেখার যোগ্য হতে পারি না, সুতরাং লক্ষ্য (পাশাপাশি পদ্ধতি) যদি সিদ্ধান্তের গাছ হয়, তবে আমরা এটির সাথে অতিরিক্ত দিকগুলি প্রবর্তন না করে (এটি) এখনও শিখতে পারি না সমস্যা। বুস্টিং দুর্বল শেখার শর্ত, এসভিএম একটি মার্জিন ইত্যাদি ধরে নিয়ে এটিকে আরও বাড়িয়ে দেয় I

তবে সর্বদা হিসাবে, তত্ত্ব এবং অনুশীলনের সীমান্তগুলির (এবং এর দ্বারা উদ্বেগের) মধ্যে একটি বড় ব্যবধান রয়েছে। উদাহরণস্বরূপ, অনুশীলনে, এটি গুরুত্ব দেয় যে সমান্তরালতা কোরের উপর বা ক্লাস্টারের উপরে। বড় ডেটা সেটিংসে ব্যবহারিক ব্যবহারের জন্য বিশেষত বর্ধিত একটি অ্যালগরিদম হ'ল ভিডাব্লু এবং এটি সমান্তরালতা সমর্থন করতে শুরু করে । আপনি ব্যবহারিক সমান্তরাল শেখার উপর এনআইপিএস ২০১০ ওয়ার্কশপে কাগজপত্রগুলিতে আগ্রহী হতে পারেন ।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.