在大数据上使用lib线性进行语义分析
在大数据上使用lib线性进行语义分析
提问于 2014-05-14 01:57:56
利用Libsvm对语义分析问题进行数据训练和分类预测。但由于语义分析涉及n维问题，因此在大规模数据方面存在性能问题.
去年，利伯线性发布了，它可以解决性能瓶颈。但它耗费了太多的记忆。MapReduce是解决大数据语义分析问题的唯一途径吗？或者还有其他方法可以改善Liblinear上的内存瓶颈？
回答 2
Data Science用户
回答已采纳
发布于 2014-05-14 12:32:29
请注意，有一个早期版本的LIBLINEAR移植到阿帕奇火花。有关一些早期详细信息，请参阅邮件列表评论和工程场地。
Data Science用户
发布于 2014-05-14 17:06:33
您可以查看元音瓦比特。它是相当受欢迎的大规模学习，并包括平行规定。
在其网站上：
大众汽车是机器学习中速度的本质，能够很容易地从传统的数据集中学习。通过并行学习，在进行线性学习时，它可以超过任何单机网络接口的吞吐量，这是学习算法中的第一种。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/16
复制相关文章
相似问题
腾讯云开发者
