Spark隨機森林實現學習

前言 最近閱讀了spark mllib（版本：spark 1.3）中Random Forest的實現，發現在分佈式的數據結構上實現迭代算法時，有些地方與單機環境不一樣。單機上一些直觀的操作（遞歸），在分佈式數據上，必須進行優化，否則I/O（網絡，磁盤）會消耗大量時間。本文整理spark隨機森林實現中的相關技巧，方便後面回顧。   隨機森林算法概要 隨機森林算法的詳細實現和細節，可以參考論文Brei

>>阅读原文<<