面向大数据分析的决策树算法

被引：95

作者：

张棪

曹健

机构：

[1] 上海交通大学计算机科学与工程系

来源：

计算机科学 | 2016年 / 43(S1)卷 / S1期

关键词：

决策树; 大数据; 机器学习;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

决策树作为机器学习中的一个预测模型,因其输出结果易于理解和解释,而被广泛应用于各个领域,成为了学术界研究的热点。随着数据产生速度的剧增,由于内存容量和处理器速度等限制,常规的决策树算法无法对大数据集进行处理,因此需要对决策树算法的实现进行针对性的处理。首先阐述了决策树的基本算法和优化方法,在此基础上结合大数据带来的挑战,分类比较了各类针对性算法的优缺点,并介绍了支撑这些算法运行的平台。最后讨论了面向大数据的决策树算法的未来发展方向。

引用

页码：374 / 379+383 +383

页数：7

共 26 条

[1]

HHCART: An oblique decision tree[J] . D.C. Wickramarachchi,B.L. Robertson,M. Reale,C.J. Price,J. Brown.Computational Statistics and Data Analysis . 2015

[2]

Efficient, reliable and fast high-level triggering using a bonsai boosted decision tree[J] . V V Gligorov,M Williams.Journal of Instrumentation . 2013 (02)

[3] A Survey of Cost-Sensitive Decision Tree Induction Algorithms [J].

Lomax, Susan ;

Vadera, Sunil .

ACM COMPUTING SURVEYS, 2013, 45 (02)

[4]

A hybrid model combining case-based reasoning and fuzzy decision tree for medical data classification[J] . Chin-Yuan Fan,Pei-Chann Chang,Jyun-Jie Lin,J.C. Hsieh.Applied Soft Computing Journal . 2009 (1)

[5]

MapReduce[J] . Jeffrey Dean,Sanjay Ghemawat.Communications of the ACM . 2008 (1)

[6]

Evolutionary Induction of Mixed Decision Trees[J] . Marek Kretowski,Marek Grzes.International Journal of Data Warehousing and Mining (IJDWM) . 2007 (4)

[7] Pruning belief decision tree methods in averaging and conjunctive approaches [J].

Trabelsi, Salsabil ;

Elouedi, Zied ;

Melloull, Khaled .

INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, 2007, 46 (03) :568-595

[8]

An effective application of decision tree to stock trading[J] . Muh-Cherng Wu,Sheng-Yu Lin,Chia-Hsin Lin.Expert Systems With Applications . 2005 (2)

[9]

Learning to predict channel stability using biogeomorphic features[J] . Stephanie L. Moret,William T. Langford,Dragos D. Margineantu.Ecological Modelling . 2005 (1)

[10] Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

← 1 2 3 →