性能優(yōu)勢

新版本的Angel，添加了諸多新功能，最終的目的，就是讓算法工程師能更加從容地進(jìn)行算法優(yōu)化，融入更多的算法的Trick，讓算法的性能，得到了一個(gè)飛躍的提升。

相關(guān)性能的細(xì)節(jié)數(shù)據(jù)，在Github的各個(gè)算法介紹文檔都可以看到，歡迎點(diǎn)擊文末“閱讀原文”移步GitHub。

1.GBDT

眾所周知，XGBoost的強(qiáng)項(xiàng)之一，就是GBDT算法，性能飛快，使用簡單，在眾多算法比賽中，是選手們的最愛。盡管如此，Angel的GBDT算法，卻還是超越了它，這是一個(gè)非常不錯(cuò)的性能背書。

• 性能比較

• 數(shù)據(jù)：騰訊內(nèi)部某性別預(yù)測數(shù)據(jù)集，3.3×10^5 特征，1.2×10^8 樣本

• 詳細(xì)文檔：GBDT on Angel

  
  

2.LDA

眾所周知，LDA是一個(gè)非常消耗資源的主題模型算法，新一代的Angel，在LDA上的性能，不但超越了Spark，也已經(jīng)超越了之前開源過的Petuum。（由于Petuum已經(jīng)不開源多時(shí)，所以比對數(shù)據(jù)，這里就不再貼出了）

• 數(shù)據(jù)：PubMED

• 詳細(xì)文檔:?LDA on Angel

  
  

3.GD-LR

LR是廣告推薦中廣泛應(yīng)用的一個(gè)算法，Angel分別提供了利用Gradient Descent、ADMM兩種優(yōu)化方法計(jì)算的LR算法。這兩種算法，無論是耗費(fèi)的資源，還是性能、收斂速度，都遠(yuǎn)比原生的Spark實(shí)現(xiàn)優(yōu)越。

• GD-LR

• 數(shù)據(jù)：?騰訊內(nèi)部某推薦數(shù)據(jù)，5×10^7 特征，8×10^7 樣本

• 詳細(xì)文檔：?LR on Angel

• ADMM-LR

• 數(shù)據(jù)：騰訊內(nèi)部某推薦數(shù)據(jù)，5千萬特征，1億樣本

總結(jié)

以上是生活随笔為你收集整理的Angle和XBGoost以及Spark的性能对比的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。