纸船格式在ML性能优化中的优势是什么？

Question

paperBoat格式声称为机器学习例程提供了更好的数据集表示。我想了解其优化的本质。我理解使用模型属性的整数表示意味着更快地处理数据集，还有哪些其他改进。

此外，如何调整ML算法以使用此文件格式。

Answer 1

我不知道这种格式是否能真正提供更好的表现形式，但我可以推测为什么它可以更有效率。

首先，正如他们在格式描述中所述，＆＃34;具有相同精度的数据连续启用硬件矢量化。＆＃34 ;;还要考虑wikipedia：＆＃34;矢量处理技术已被添加到几乎所有现代CPU设计中＃34;。

其次，它们的格式允许您混合稀疏和非稀疏特征，但由于所有稀疏特征都被放置，因此可以轻松地将它们作为sparse matrix并优化学习方法，如共轭梯度。

  

如何调整ML算法以使用此文件格式？

ML算法调整是什么意思？学习算法不知道并且不需要知道关于数据集的文件格式的任何信息;如果您知道文件格式，则无法提高或降低准确性。从理论上讲，你可以加速具体的优化算法（比如渐变下降），如果你可以依赖于数据的某些属性（我猜，Ismion PaperBoat会这样做），但我不认为你可以调整它你自己。