machine-learning - 如何针对不同的输入数据使用机器学习算法？

Question

是的，我的标题是“如何针对不同的输入数据使用机器学习算法？”，例如，我们有一种称为“电子邮件垃圾邮件检测器”的算法。好的，那么如何将算法应用于具有不同输入数据的 1M 用户呢？因为每个用户都会创建自己的数据。因此，不要为每个用户训练 1M。我们有什么方法可以针对不同的输入数据训练一次吗？

回答不同输入数据的含义:

例如，我有一个从名为“服务器 A”的服务器收集的时间序列数据，该数据由诸如(CPU 级别、RAM 级别、协议(protocol)...)之类的属性组成。接下来，我将从服务器 A 收集的数据放入“模型 X”中来预测服务器的使用情况。现在我有一个拥有数百台服务器的数据中心。有没有办法用相同的模型(模型X)对这数百台服务器的数据进行一次训练？当然，我不想用模型 X 训练数百次来获得预测。

Answer 1

有什么方法可以使用相同的模型(模型 X)对这数百台服务器的数据进行一次训练？

当然!您可以使用 Spark Streaming 从不同服务器/源提取时间序列数据，并使用 Spark MLlib 处理数据以训练存储在 HDFS 中的相同模型(模型 X)。

这个blog对您的理解很有用