Đánh giá tính chính xác của thuật tốn khi áp dụng mơ hình MapReduce

Một phần của tài liệu Đồ án: Mô hình Mapreduce và ứng dụng của Bigdata (Trang 68)

MapReduce

Qua việc thực thi các thuật tốn trên MapReduce, em thấy rằng kết quả của các thuật tốn đĩ khi chƣa áp dụng mơ hình MapReduce và sau khi áp dụng mơ hình MapReduce là hồn tồn giống nhau.

Ví dụ trong thuật tốn k-means, tọa độ trọng tâm cuối cùng đều giống nhau. Với mơ hình cĩ dữ liệu là các vector 80 chiều, cĩ khoảng 15.000 vector thì tọa độ trọng tâm đều là: 24 74 24 74 23 74 23 74 24 73 25 75 24 74 24 74 24 75 25 75 24 74 24 74 25 73 25 75 23 75 24 74 24 74 24 74 24 74 24 73 73 24 74 24 75 24 73 25 74 24 73 24 74 24 74 25 74 24 75 24 75 25 74 24 74 24 74 24 74 24 74 25 75 24 74 24 74 25 75 24 Và 84 19 81 11 23 41 98 24 7 31 76 4 67 48 28 40 2 66 12 3 16 52 73 4 0 30 81 23 24 1 70 35 35 39 77 28 82 77 33 48 1 97 96 75 5 77 53 71 5 37 67 79 50 42 49 40 33 55 7 47 51 20 82 22 35 86 72 93 68 37 7 5 65 23 8 95 40 42 16 96

Và cả hai đều cĩ kết quả trung gian giống nhau qua mỗi bƣớc lặp và số lần lặp đều kết thúc ở lần số 3.

Trong thuật tốn Nạve Bayes, xác suất tính đƣợc khi chƣa áp dụng mơ hình và sau khi áp dụng mơ hình hồn tồn giống nhau. Và, khi thử sử dụng một văn bản chƣa đem ra trainning thì đề cho kết quả giống nhau.

Một phần của tài liệu Đồ án: Mô hình Mapreduce và ứng dụng của Bigdata (Trang 68)