弗拉基米尔•范伯格

现代企业数据,跟踪关键性能指标转换或点击——展品病态高维度,这就需要重新思考数据表示进行分析处理。例如,恶意网址数据集有320万多个分类特征列高度稀疏。典型监督机器学习方法,例如,一个简单的模型与交互逻辑回归等条款,不没有适应函数,参数仅需要超过80 tb的数据存储。专门的表示,比如压缩稀疏行格式,可以集成sparsity-aware程序,比如那些XGBoost中找到。然而,稀疏表示仍然明显增加运行成本,需要坚持建模方法的一个子集,如决策树或field-aware分解机器。我们将演示一个彩色稀疏学习方法,它使用近似图着色明显崩溃数据集宽度。通过识别的结构相互排他性稀疏列,我们可以崩溃的分类特征的恶意网址数据集到499密度列,从而打开了一套更广泛的机器学习算法的应用。即使在sparse-capable方法、如XGBoost等效密度的使用仅表示收益率2 x训练加速没有任何性能损失。