KDD18论文分享：优化决策树森林执行速度-AI慕课学院

首页意见反馈 AI学术青年与开发者社区

...

KDD18论文分享：优化决策树森林执行速度

在本次公开课中，讲者将分享发表于KDD2018的树模型执行速度优化的工作，RapidScorer，讨论优化的背景和技术

开课时间：2019/01/14 10:00 预计时长：一个小时左右

课程回放

340人报名

观看回放

课程介绍

分享嘉宾

叶挺，微软美国Bing广告部门工程师，北京大学硕士，曾为MSRA实习生

分享主题

KDD2018论文分享--RapidScorer：一个树模型执行速度优化算法的设计和实现

分享背景

决策树森林的算法如GBDT、RandomForest等，有着广泛的应用。优化这些算法的执行速度将会为工业界带来很大的收益。在本次公开课中，讲者将分享发表于KDD2018的决策树森林执行速度优化的工作，RapidScorer，讨论优化的背景和技术。

分享提纲

1、决策树森林算法简介、已有的优化算法优缺点简介

2、RapidScorer数据结构设计及原因

3、实验结果与讨论

分享时间

（北京时间） 1月 14 日（星期一） 10:00

课程须知

微软叶挺

微软美国Bing广告部门工程师，北京大学硕士，曾为MSRA实习生

微信扫码分享课程