如何对不同的输入数据使用机器学习算法？答案

【问题标题】：How to use machine learning algorithm for different input data?如何对不同的输入数据使用机器学习算法？
【发布时间】：2020-04-04 10:48:24
【问题描述】：

是的，我的题目是“如何针对不同的输入数据使用机器学习算法？”，例如，我们有一个称为“垃圾邮件检测器”的算法。好的，那么如何将算法应用于具有不同输入数据的 1M 用户？因为每个用户都会创建自己的数据。因此，不要为每个用户训练 1M。我们有什么方法可以针对不同的输入数据训练一次吗？

回答不同输入数据是什么意思：

例如，我有一个从名为“Server A”的服务器收集的时间序列数据，数据由（CPU 级别、ram 级别、协议...）等属性组成。接下来，我将从服务器 A 收集的数据放入“模型 X”，以预测服务器的使用情况。现在我有一个拥有数百台服务器的数据中心。有没有办法用相同的模型（模型 X）一次训练这数百个服务器的数据？当然，我不想用模型 X 训练数百次来得到预测。

【问题讨论】：

标签： machine-learning

【解决方案1】：

有没有办法用相同的模型（模型 X）一次训练这数百个服务器的数据？

当然！您可以使用 Spark 流式传输从不同的服务器/源提取时间序列数据，并使用 Spark MLlib 处理数据以训练存储在 HDFS 中的相同模型（模型 X）。

这个blog对你的理解很有帮助

【讨论】：

谢谢，但这不是我想要的。我正在寻找一种多任务学习方法，例如，它可以帮助我在使用几个隐藏层后训练 N 个输入并同时获得 N 个输出。