xlvector – Recommender System

自从来到IBM CRL，Random Decision Tree (RDT)这个词几乎是我听到的频率最高的一个词。一直都没有机会来好好了解一下这个模型，这次借着参加Yahoo! LTR 比赛的机会，研究了一下这个模型，不禁感觉这个模型确实非常好。他有几个优点：
1. 参数非常少
2. 非常容易进行并行化
3. 可以实现的非常快

RDT模型是ibm watson的Wei Fan提出的，这个模型可以用来做分类，回归。不过本质上，他是一个高维空间的密度估计函数。可传统的DT不同，RDT不需要找出最好的特征，最好的分割方法，相反，它随机的找出一些特征和分割数，来生成一些随机的树，然后通过多次实验平均的方法来给出最后的预测。因为生成随机树的过程是独立的，所以并行非常容易。

目前我用这个算法来解决Yahoo! LTR的问题，效果还是很不错的。