前天第二届阿里云安全算法挑战赛终于胜利结束了，得了个季军，虽然名次不是最理想的，不过很高兴能认识一大群数据达人，整个比赛的过程也很让人享受。这次比赛过程中我在对网页内容进行分析的时候，部分内容使用了基于Parameter Server的PS-SMART进行分析。我看了一下，好像其他队伍都没有用这个算法，就想给大家简单介绍一下。

我用PS-SMART的原因主要要有2个：

1，节省资源，虽然PS-SMART跑起来感觉比较慢，不过很省资源，很适合这次算法赛（资源有限制）。

2，支持稀疏矩阵，可以直接对三元组转化的K_V结果进行处理。

3，支持二分类，多分类和回归，可以满足多种需求。

大家在资源有限，而且对速度要求不是特别高的场景下可以多考虑一下PS-SMART，用起来结果还是不错的。不过使用的PS-SMART时候要注意控制维度，如果稀疏矩阵的特征维度过大（我测试是超过25000），很容易发生错误。

以下是PAI上关于PS-SMART多分类的帮助：

PS-SMART多分类

PS是参数服务器（Parameter server）的简称。PS致力于解决大规模模型的离线、在线训练任务。SMART是Scalable Multiple Additive Regression Tree的缩写，是Gradient boosting decesion tree (GBDT)在PS上的一个实现。基于PS的Smart实现可以支持百亿样本、几十万特征的训练任务，可以在上千个节点上运行，且有failover功能，稳定性好。同时，PS-Smart支持多种数据格式、训练目标和评估目标，以及输出特征重要性，并包含直方图近似等加速训练的优化。

快速上手

https://zos.alipayobjects.com/rmsportal/CqElMhULXnCHLwYfIgug.png

图中我们使用训练数据学习了一个PS-SMART多分类模型。输出桩有3个，依次为

输出模型：offlinemodel，接统一的预测组件，目前不支持输出叶子节点编号

输出模型表：依然是二进制格式，不可读，是为了兼容已有PS-SMART预测组件，支持输出叶子节点编号，评估指标等功能。但对数据格式有较多要求，体验不佳，会逐渐改良或用其他组件代替。

输出特征重要性表：特征的重要性，有三种重要性类型可选（详见参数说明）

具体帮助请看帮助: 

https://help.aliyun.com/document_detail/42745.html?spm=5176.doc42747.6.548.L1ghS9#PS-SMART多分类

关于PS（Parameter Server）可以看这篇论文：

http://www.cs.cmu.edu/~muli/file/ps.pdf?spm=5176.doc42745.2.45.WdNXZm&file=ps.pdf