如何在决策树和决策森林中减少Azure ML中的运行时间

Question

我正在尝试为包含2000000行的数据集运行回归模型。我尝试使用线性回归并提高决策树回归而不调整模型超参数，但我没有得到预期的准确性。因此，我试图将Tune模型超参数用于增强决策树，该模型运行20分钟。决策森林也需要0个长度（即使没有调整模型超参数）。有什么方法可以减少运行时，而不会损害结果准确性过多？

采样会影响输出（例如我以0.5作为抽样率）？

Answer 1

Azureml Studio上的执行时间取决于定价层。免费版本在标准定价层一次执行执行多次执行时，进行一个节点执行。