• 专利基本信息
  • 发明 2019109831588 一种spark下的机器学习快速大规模样本签名方法 2022

    已下证 信息技术 云计算 数据挖掘 深度学习 4人

    G06N20/00 G06K9/62

    • 联系人列表
    • 12-05
    • 10-15
    • 09-25
    • 08-30

    免责声明:以上消息未经人工确认,本平台不担保其真实性和有效性,交易前请仔细核实。

    • 专利摘要

    本发明请求保护一种spark下的机器学习快速大规模样本签名方法,涉及数据挖掘技术和计算机信息处理技术。本方法为:1)读入样本数据,将样本数据转换成独有的样本格式;2)对样本数据中的高频特征进行划分,得到FeatureMap;3)设置最大广播数量,根据最大广播数量计算FeatureMap的partition;4)根据partition数量进行循环迭代,分片广播大量特征;5)最后对样本进行格式转换,得到libsvm格式的数据。本发明可以解决模型训练过程中样本签名性能瓶颈的问题,特别适用于在spark集群下训练模型。本发明虽然解决的是样本签名问题,但是由于本方法定制数据结构和分片广播可以很好的避免shuffle从而同样适用于大数据工程中的数据倾斜问题。

    • 专利生命周期
    专利申请:2019-10-16
    授权缴费截止日:2024-11-18
    专利授权日:2022-10-18 00:00:00.0
    最近更新时间:2024-12-25