代码之家 › 专栏 › 技术社区 › deepAgrawal

部署时h2o MOJO与POJO的性能差异

h2o java

deepAgrawal · 技术社区 · 6 年前

我已经使用 h2o.GLM .我有大约5-10个功能。我想知道哪个生产速度更快?

如果我训练一个随机森林模型而不是GLM,这个答案会改变吗?

我需要得分约1亿行。我已经在分发不同观察结果的评分。

1 回复 | 直到 6 年前

TomKraljevic 6 年前

对于逻辑回归,POJO或MOJO都可以。更喜欢MOJO以获得更好的向后兼容性属性。

对于深度超过6的随机森林,一定要使用魔咒。真正大的(例如1GB或更多java代码)RF模型甚至无法编译。

Mojo不需要编译,这非常方便,对于真正深的树,它们运行得更快,运行时间也非常一致。

推荐文章

WesternGun · H2O-带有“performance.plot()”ROC的savefig

6 年前

Giorgio Spedicato · xgboost在h2o偏移中的实现

6 年前

Giorgio Spedicato · h2o PCA中的validation\u帧参数

6 年前

thirdeye802 · 利用h2o系综模型寻找每个特征对特定预测的贡献

6 年前

abu · 更新到3.18后,估计h2o中的xgboost时出错

6 年前

user1234 · H2O叠加群训练数据交叉验证求AUC

6 年前

slowD · H2O无人驾驶AI中的2个目标列

6 年前

deepAgrawal · 尝试在linux服务器上运行多个实例时H2o崩溃

6 年前

EngrStudent · 如何指定h2o中的相互作用。glm?

6 年前

lampShadesDrifter · 使用特定连接节点url在hadoop集群中启动h2o

7 年前