摘要
本发明提供了一种基于资源受限网络下金融大数据分布式机器学习优化模型构建方法,中心服务器对金融大数据划分为若干数据子集,对若干数据子集进行预处理以获取特征向量集合;在中心服务器上构建初始分布式机器学习模型;中心服务器对各个计算节点的资源状态进行实时评估以获取每个计算节点的资源参数信息,根据资源参数信息计算每个计算节点的资源权重;根据每个计算节点的资源权重以分配特征向量集合;中心服务器收集每一计算节点的本地模型的参数;测试数据集对全局模型进行性能评估以获取评估参数值,评估参数值大于或等于预设参数阈值得到分布式机器学习优化模型。本发明通过分布式机器学习模型构建过程的优化,提高了模型的训练效率和准确性。
技术关键词
资源受限网络
模型构建方法
分布式机器学习
中心服务器
大数据
金融
节点
随机梯度下降
通信带宽
神经网络结构
指标
正则化参数
多层次
标签
样本
算法