[发明专利]并行处理机器学习决策树训练有效
| 申请号： | 201110443208.7 | 申请日： | 2011-12-14 |
| 公开（公告）号： | CN102566981A | 公开（公告）日： | 2012-07-11 |
| 发明（设计）人： | M·菲诺齐奥;R·E·摩尔;R·M·盖斯;J·肖顿 | 申请（专利权）人： | 微软公司 |
| 主分类号： | G06F9/38 | 分类号： | G06F9/38;G06N5/00 |
| 代理公司： | 上海专利商标事务所有限公司 31100 | 代理人： | 蔡悦 |
| 地址： | 美国华*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及并行处理机器学习决策树训练。此处所公开的各实施例涉及通过基于图形处理单元(GPU)的机器学习来生成决策树。例如，一个实施例提供了一种方法，包括，对于决策树的每个层级：在并行处理流水线的每个GPU处对示例集中的每个示例执行针对特征集中的一个特征的特征测试。方法进一步包括将特征测试的结果累积在本地存储器块中。该方法还包括，将累积的结果从每个本地存储器块的写入到全局存储器，以生成层级中的每个节点的特征的直方图，并且对于层级中的每个节点，根据直方图将具有最低熵的特征分配给该节点。 | ||
| 搜索关键词： | 并行 处理 机器 学习 决策树 训练 | ||
【主权项】：
一种用于从包括多个处理块的并行处理流水线生成决策树的方法(500)，所述决策树包括组织为多个层级的多个节点，每个处理块包括共享存储器块的多个图形处理单元(GPU)，并且所述并行处理流水线的每个GPU共享全局存储器，所述方法包括，对于所述决策树的每一层级：在所述并行处理流水线的每个GPU处对示例集中的每个示例执行(502)针对特征集中的特征的特征测试；在每个存储器块处累积(504)对由共享所述存储器块的多个GPU所处理的每个示例执行的每个特征测试结果的结果；将所累积的结果从每个存储器块写入(510)到所述全局存储器以生成所述层级中的每个节点的特征的直方图；以及对于层级中的每个节点，根据所述直方图将具有最低熵的特征分配(514)给该节点。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于微软公司，未经微软公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201110443208.7/，转载请声明来源钻瓜专利网。
