ACCELERATING DECISION TREE INFERENCES BASED ON COMPLEMENTARY TENSOR OPERATION SETS

A tensor representation of a machine learning inferences to be performed is built by forming complementary tensor subsets that respectively correspond to complementary subsets of one or more leaf nodes of one or more decision trees based on statistics of the one or more leaf nodes of the one or more decision trees and data capturing attributes of one or more split nodes of the one or more decision trees and the one or more leaf nodes of the decision trees. The complementary tensor subsets are ranked such that a first tensor subset and a second tensor subset of the complementary tensor subsets correspond to a first leaf node subset and a second leaf node subset of the complementary subsets of the one or more leaf nodes. L'invention porte sur une représentation de tenseur d'inférences d'apprentissage machine à exécuter construite par formation de sous-ensembles de tenseurs complémentaires qui correspondent respectivement à des sous-ensembles complémentaires d'un ou plusieurs nœuds feuilles d'un ou plusieurs arbres de décision sur la base de statistiques du ou des nœuds feuilles du ou des arbres de décision et des attributs de capture de données d'un ou plusieurs nœuds divisés du ou des arbres de décision et du ou des nœuds feuilles des arbres de décision. Les sous-ensembles de tenseurs complémentaires sont classés de telle sorte qu'un premier sous-ensemble de tenseurs et un second sous-ensemble de tenseurs des sous-ensembles de tenseurs complémentaires correspondent à un premier sous-ensemble de nœuds de feuille et à un second sous-ensemble de nœuds feuilles des sous-ensembles complémentaires du ou des nœuds feuilles.