Optimalizace struktury a strom modelování přesnost

Doménové struktury a strom modelování přesnost

Optimalizace parametrů rxDForest (rychlost kompromis) (*: OSR a RRE výchozí nastavení)

– Zvýšit nTree např na 20 či více (OSR = 500 RRE = 10) *

– Zvýšit maxDepth např na 20 či více (OSR = není RRE = 10) *

– Snížení minSplit, například na 2 (OSR = 5, RRE=sqrt(N)) *

– Zvýšit mTry, například na 40 nebo více (OSR/RRE=sqrt(p) nebo p/3) *

– MaxNumBins zvýšení například na 1e5 nebo 1e6

– Přesnost 81.4 % s KDD dataset pomocí následující další zvýšení 82.3 % při ntree = 200:

ntree=20, mtry=40, minSplit=2, maxDepth=20, maxNumBins=1e6

• Případně spusťte rutinní randomForest otevřít zdroj přes cluster Hadoop pomocí rxExec

– Viz randomShrubbery v bodu 6.5 našeho Distributed Computing Průvodce

– Nastavte limity paměti pan potřeby vzhledem k tomu, že data nesmí přesahovat velikost paměti na každém uzlu.