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......
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......