如何减少 Azure ML 中决策树和决策林的运行时间

Question

我正在尝试为包含超过 2000000 行的数据集运行回归模型。我尝试在不调整模型超参数的情况下使用线性回归和增强决策树回归，但没有得到预期的准确度。所以我尝试使用 Tune 模型超参数来提升决策树，模型运行时间超过 20 分钟。决策森林也需要很长时间（即使没有调整模型超参数）。有没有什么方法可以减少运行时间而又不影响结果的准确性？

采样会影响输出（比如我以 0.5 作为采样率）？

Answer 1

AzureML Studio 上的执行时间取决于定价层。免费版本一次执行一个节点，而标准定价层一次执行多个执行。