optimization - 快速评估决策森林

Question

我有一些需要尽快评估的决策树（1000-3000）。它们都访问同一组双精度值。根本没有分类值（所以所有值都只是数字）。

最快的方法是什么？目前，我在运行时生成了一些 C 代码，并使用针对本地架构的最重优化对其进行编译。生成的代码如下所示（类似，但更大）：

static inline double eval_tree0() {
   if (*(const double *)0x12345 < 1.2345) {
     if (*(const double *)0x4563456 < 2.2243) {
        return 1.2111;
     }
     else {
        return 5.2111;
     }
   }
   else {
      return 1.234;
   }
}

double eval() {
  return eval_tree0() + eval_tree1() + ...;
}

有没有更高效的东西？我正在考虑使用 AVX 一次评估多个树，但这似乎很棘手，我不确定性能是否更好。

有谁知道为给定输入（批量大小为 1）评估一堆决策树的最快可能性是什么？甚至可能与 AVX 相关？

谢谢

标签： optimizationdecision-treeavx