同样是跑随机森林，为啥用单机的R跑和在服务器上用Spark的MLlib结果差好多
首先spark上的RF和单机的RF是有区别的。主要表现在spark上的RF为了减少IO通信对RF做了优化，其中的优化主要有：1 对于连续型特征，一般都是通过排序后进行切割点的划分，但是考虑到对所有数据做排序的IO通信较高，所以只是对每个节点上的数据进行抽样，并根据样本进行切分点的划分，所以这里有一部分的近似。2由于传统的构建决策树方法是递归的形式，这样无形中会造成更多的数据传送，所以在spark中为了能减少这部分的数据传输，一方面采用分层构建，另一方面采用bin也就是feature装箱的方式减少了数据量，这样相当于又做了一部分的近似。所以在算法上来说，spark的RF和单机的是不同的。可以说spark为了能更好的跑大规模数据，牺牲了部分的精确度。其次，你在R上的和spark上的参数是否相同，还有就是你这三万的数据量太小了。
■网友
根本都不是一个算法，spark上的差远了
推荐阅读
![[可口可乐]直播带货只能低价促销？可口可乐、完美日记这样用红人带货 | 超级观点](http://ttbs.guangsuss.com/image/92440fdd1d40e8307e6082938ff8c126)
- 云南省迪庆州“12.28”森林火灾明火全部扑灭
- “蓝剑-2020”跨区域森林火灾联合扑救演练举行
- 青海大通森林警察救助两只野生动物
- |淮阴水政充分利用“双随机”平台 促进执法公平公正
- 天窗|户外爱好者为什么都偏爱它？斯巴鲁森林人仅售22.38万起
- 哈弗H6|同样是紧凑型SUV的它与销冠们有何差别？领克01对比哈弗H6、CS75、CR-V
- 黄忆慈|同样是14岁的星二代，黄多多比李嫣要正统很多，更知性更成功
- 汽车|森林人在中国火了，这台斯巴鲁傲虎还会远吗？
- 可以通过伪随机生成真实的地球吗
- 数独设计的原理是啥