2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩78頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)已經(jīng)深深的融入了人們的生活之中,人們的日常行為時刻產(chǎn)生著有用的數(shù)據(jù),對這些數(shù)據(jù)的快速處理并獲得有用的知識變得越來越重要。現(xiàn)在數(shù)據(jù)挖掘已經(jīng)走向了云計算時代,云計算已經(jīng)逐漸取代了傳統(tǒng)的單機計算。通過使用基于云計算平臺的數(shù)據(jù)挖掘方法,系統(tǒng)可以準確和快速的從海量數(shù)據(jù)中挖掘出有用的信息。數(shù)據(jù)挖掘中的分類算法是進行趨勢預(yù)測和個性化推薦的有效工具。本文基于時下最流行的開源云計算平臺Spark,對數(shù)據(jù)挖掘中的分類算法進行研究,并選取了分類算法中經(jīng)

2、典的K近鄰算法重點研究,對算法進行改進和并行化,并基于Spark進行實現(xiàn),然后搭建了Spark集群,進行了相應(yīng)的實驗。
  改進的K近鄰算法主要是針對傳統(tǒng)K近鄰算法在訓(xùn)練階段不做任何處理工作的弱點進行改進,通過在訓(xùn)練階段對訓(xùn)練數(shù)據(jù)集進行分析,找出一些特征值,對訓(xùn)練集進行預(yù)處理,從而減少在分類階段需要比較的訓(xùn)練集樣本,從而達到提高算法運行速度的目的。然后針對Spark云計算平臺對數(shù)據(jù)進行分片時使用默認值與計算節(jié)點數(shù)目不匹配的缺點,對

3、程序進行優(yōu)化。在默認分片情況下,數(shù)據(jù)分片數(shù)量和計算節(jié)點數(shù)目不匹配會導(dǎo)致計算資源不能充分利用,引起運算性能下降,所以本文對程序進行優(yōu)化,針對計算節(jié)點的個數(shù)對分區(qū)數(shù)進行相應(yīng)優(yōu)化,使分區(qū)數(shù)保持為節(jié)點數(shù)的整數(shù)倍,從而提高計算資源的利用率,加快算法的運行速度。
  本文選取了UCI的機器學(xué)習(xí)數(shù)據(jù)集,并對其進行擴展以滿足數(shù)據(jù)量的大小要求。實驗中對比了單機條件下普通K近鄰和改進的K近鄰的算法效率和準確率,然后測試了基于Spark的改進的K近鄰算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論