模型并行及模型介绍

模型并行

本文通过7个模型分别对数据集进行模型训练。分别是随机森林模型，投票分类器，梯度提升模型，AdaBoost，极限树模型，基于直方图的梯度提升分类树，堆叠分类模型这7个模型。最终同步计算耗费933秒，得出各个模型的准确率为：随机森林模型准确率为90.11 %；投票分类器准确率为86.55 %；AdaBoost准确率为90.15 %；梯度提升模型准确率为90.20 %；极限树模型准确率为89.76 %；基于直方图的梯度提升分类树模型准确率为91.46 %；堆叠分类模型准确率为89.64 %。其中最高的是基于直方图的梯度提升分类树模型。然后再进行模型并行，一共耗费615秒，比之前的快了318秒。通过模型并行加快了算法计算速度，提升了cpu的运行效率。

数据集描述

数据集是txt文件，一共有4个txt文件，分别为 t r a i n _ x . t x t , t r a i n _ y . t x t , t e s