海量嘈杂数据决策树算法
大小：0.73 MB 人气： 2018-01-13 需要积分：2
标签：决策树(13474)
针对当前决策树算法较少考虑训练集的嘈杂程度对模型的影响，以及传统驻留内存算法处理海量数据困难的问题，提出一种基于Hadoop平台的不确定概率C4.5算法-IP-C4.5算法。在训练模型时，IP-C4.5算法认为用于建树的训练集是不可靠的，通过用基于不确定概率的信息增益率作为分裂属性选择标准，减小了训练集的嘈杂性对模型的影响。在Hadoop平台下，通过将IP-C4.5算法以文件分裂的方式进行MapReduce化程序设计，增强了处理海量数据的能力。与C4.5和完全信条树（CCDT）算法的对比实验结果表明，在训练集数据是嘈杂的情况下，IP-C4.5算法的准确率相对更高，尤其当数据嘈杂度大于10%时，表现更加优秀；并且基于Hadoop的并行化的IP-C4.5算法具有处理海量数据的能力。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
海量嘈杂数据决策树算法下载
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