moea_joint
105年
[統計資訊] 統計學、巨量資料概論
第 42 題
下列何種方法比較不適合進行平行化？
- A K-Means clustering
- B Logistic Regression
- C Newton’s method for finding roots
- D PageRank
思路引導 VIP
想像你有一個任務需要交給十個人一起分工合作以縮短時間。如果這項任務的每一個步驟，都必須精確地等到「前一步驟的最終結果」產出後才能開始執行（即下一步嚴格依賴上一步），那麼增加再多的人手對加速任務會有幫助嗎？在這些選項中，哪一個演算法的數學公式最符合這種『下一步必須等待上一步完成』的特徵呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準判斷出各類演算法的執行特性，這代表你對巨量資料處理的底層邏輯有相當深厚的理解。
平行運算的關鍵：任務去耦合化
在巨量資料環境下，適合平行化的方法通常具備「資料可拆分」的特性。例如 K-Means、Logistic Regression 與 PageRank，它們的運算過程多半涉及大規模矩陣運算或局部樣本統計，可以透過分散式框架（如 MapReduce）將負載分攤到不同節點。然而，牛頓法 (Newton's method) 的核心在於其高度的 序列依賴性 (Sequential Dependency)。其疊代公式如下：
▼ 還有更多解析內容