基于Bagging决策树优化算法
大小:0.84 MB 人气: 2017-11-21 需要积分:0
针对经典C4.5决策树算法存在过度拟合和伸缩性差的问题,提出了一种基于Bagging的决策树改进算法,并基于MapReduce模型对改进算法进行了并行化。首先,基于Bagging技术对C4.5算法进行了改进,通过有放回采样得到多个与初始训练集大小相等的新训练集,并在每个训练集上进行训练,得到多个分类器,再根据多数投票规则集成训练结果得到最终的分类器;然后,基于MapReduce模型对改进算法进行了并行化,能够并行化处理训练集、并行选择最佳分割属性和最佳分割点,以及并行生成子节点,实现了基于MapReduce Job工作流的并行决策树改进算法,提高了对大数据集的分析能力。实验结果表明,并行Bagging决策树改进算法具有较高的准确度与敏感度,以及较好的伸缩性和加速比。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于Bagging决策树优化算法下载
相关电子资料下载
- 深入探讨机器学习的可视化技术 191
- 深度解析机器学习各大模型原理 1144
- 什么是随机森林?随机森林的工作原理 1851
- 机器学习基础知识全攻略 126
- 决策树:技术全解与案例实战 762
- 一种基于决策树的飞机级故障诊断建模方法研究 739
- 基于粗糙集联合决策树法的智能变电站远程调度管理优化 392
- 数据挖掘十大算法 2071
- 常见的机器学习算法及其应用场景 622
- 为什么GBDT用回归树不用分类树?CART决策树是怎么计算基尼值呢? 1396