性能優勢

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行算法優化，融入更多的算法的Trick，讓算法的性能，得到了一個飛躍的提升。

相關性能的細節數據，在Github的各個算法介紹文檔都可以看到，歡迎點擊文末“閱讀原文”移步GitHub。

1.GBDT

眾所周知，XGBoost的強項之一，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，這是一個非常不錯的性能背書。

• 性能比較

• 數據：騰訊內部某性別預測數據集，3.3×10^5 特征，1.2×10^8 樣本

• 詳細文檔：GBDT on Angel

  
  

2.LDA

眾所周知，LDA是一個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，也已經超越了之前開源過的Petuum。（由于Petuum已經不開源多時，所以比對數據，這里就不再貼出了）

• 數據：PubMED

• 詳細文檔:?LDA on Angel

  
  

3.GD-LR

LR是廣告推薦中廣泛應用的一個算法，Angel分別提供了利用Gradient Descent、ADMM兩種優化方法計算的LR算法。這兩種算法，無論是耗費的資源，還是性能、收斂速度，都遠比原生的Spark實現優越。

• GD-LR

• 數據：?騰訊內部某推薦數據，5×10^7 特征，8×10^7 樣本

• 詳細文檔：?LR on Angel

• ADMM-LR

• 數據：騰訊內部某推薦數據，5千萬特征，1億樣本

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。