一种基于随机森林与迁移学习的分布式机器学习训练性能预测方法

本发明属于创业指导技术领域，具体涉及一种基于随机森林与迁移学习的分布式机器学习训练性能预测方法，包括如下步骤：S1、性能预测目标选择；S2、特征参数选择；S3、性能样本采集；S4、性能预测模型训练；S5、性能模型跨集群迁移。本申请实施例提供的整体结构，针对通用架构的分布式机器学习训练系统，解决了并行配置与训练性能间的映射关系无法符号化建模的问题，使用随机森林算法构建黑盒性能预测模型，并采用迁移学习技术解决较低成本下的性能模型跨集群迁移问题。基于随机森林算法的机器学习建模方法用于分布式机器学习性能预测领域，比其他算法具有更高的性能预测准确率，且通过迁移学习方法大幅度降低了采样成本。