如何减少Azure ML中用于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。我尝试使用线性回归和提升决策树回归而没有调整模型超参数，我没有得到预期的准确性。所以我尝试使用Tune模型超参数来提升决策树，模型运行超过20分钟。决策林也需要很长时间（即使没有调整模型超参数）。有没有办法减少运行时间而不会过多地影响结果的准确性？

抽样会影响输出（比如我把0.5作为抽样率）？

Answer 1

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