-1

我正在研究一种基本的决策算法,即基于并行循环迭代的时间,决定增加或减少分配给进程的线程数量。我最初的方法是取十次迭代的平均时间,并将其与之前的(平均)时间进行比较,每 5 秒一次。这种方法失败了......它本身总是会将线程计数降低到 1。

所以我转向无监督学习,使用聚类作为决定时间 x是否应该分类为:增加、坚持或减少要分配的线程数量。

基于我正在分类的数据类型,我相信 K-means 是无监督学习的一个很好的起点?我在正确的轨道上......

4

1 回答 1

1

如果您有目标,请使用监督学习。

无监督方法可以通过某种目标进行聚类。根据此目标(例如“增加、坚持或减少”),您无法控制 k 均值聚类点。相反,k-means 可能会产生与此完全无关的集群!

尝试标记一些数据(回顾起来应该相当容易,即“我应该在 t 减去 10 时增加线程数”),然后在此基础上训练分类器。

于 2014-12-27T10:48:10.097 回答