基于Bagging決策樹優(yōu)化算法
大?。?/span>0.84 MB 人氣： 2017-11-21 需要積分：0
針對經(jīng)典C4.5決策樹算法存在過度擬合和伸縮性差的問題，提出了一種基于Bagging的決策樹改進算法，并基于MapReduce模型對改進算法進行了并行化。首先，基于Bagging技術對C4.5算法進行了改進，通過有放回采樣得到多個與初始訓練集大小相等的新訓練集，并在每個訓練集上進行訓練，得到多個分類器，再根據(jù)多數(shù)投票規(guī)則集成訓練結果得到最終的分類器；然后，基于MapReduce模型對改進算法進行了并行化，能夠并行化處理訓練集、并行選擇最佳分割屬性和最佳分割點，以及并行生成子節(jié)點，實現(xiàn)了基于MapReduce Job工作流的并行決策樹改進算法，提高了對大數(shù)據(jù)集的分析能力。實驗結果表明，并行Bagging決策樹改進算法具有較高的準確度與敏感度，以及較好的伸縮性和加速比。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于Bagging決策樹優(yōu)化算法下載
相關電子資料下載
- 深入探討機器學習的可視化技術 191
- 深度解析機器學習各大模型原理 1144
- 什么是隨機森林？隨機森林的工作原理 1851
- 機器學習基礎知識全攻略 126
- 決策樹：技術全解與案例實戰(zhàn) 762
- 一種基于決策樹的飛機級故障診斷建模方法研究 739
- 基于粗糙集聯(lián)合決策樹法的智能變電站遠程調(diào)度管理優(yōu)化 392
- 數(shù)據(jù)挖掘十大算法 2071
- 常見的機器學習算法及其應用場景 622
- 為什么GBDT用回歸樹不用分類樹？CART決策樹是怎么計算基尼值呢？ 1396