面向大数据分析的决策树算法
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.
决策树、大数据、机器学习
43
TP18(自动化基础理论)
国家自然科学基金61272438,61472253;上海市科委项目14511107702,15411952502
2016-08-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
374-379,383