基于Hadoop的決策樹分類算法的并行化研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機和網絡技術的迅速發(fā)展,數據呈爆炸式增長。大數據的有效存儲和處理成為各大企業(yè)當前面臨的最艱巨的任務之一。如何高效、低成本的從海量數據中挖掘出潛在、有用的信息是數據挖掘技術當前面臨的一大難題。
  在數據挖掘算法中決策樹分類算法占有重要地位,決策樹分類算法被視為是一種重要的分類和預測手段。但傳統的決策樹分類算法為內存駐留算法,在單機環(huán)境下,由于內存的限制,只能處理小規(guī)模的數據;其次,決策樹分類算法最耗時的階段為分割指標的計算

2、階段;再者,決策樹的生成過程是一個遞歸過程,時間復雜度高。因此本文旨在解決傳統決策樹算法不能處理大規(guī)模數據的問題,以及如何高效的處理大規(guī)模數據的問題。
  近來,云計算的出現,為數據挖掘技術的進一步發(fā)展帶來了新的前景。因為云計算不僅具有海量存儲的能力,而且還提供并行處理的能力;其次,云計算系統可以構建在普通的、廉價的PC機上,代替高性能計算機,大大降低了成本。因此,云計算的出現,使數據挖掘技術進入了云挖掘的時代。
  Had

3、oop是Apache基金會開發(fā)的一個分布式系統基礎框架,其中,HDFS分布式存儲文件系統和MapReduce分布式計算框架是Hadoop最重要的設計。其次,Hadoop使得用戶在進行分布式程序開發(fā)的時候可以不用了解分布式的底層細節(jié),并提供了一種高效、低成本、可擴展的計算模式。本文通過分析算法本身的特點,結合MapReduce編程模式,將決策樹分類算法移植到Hadoop平臺上,從而實現了高效、低成本的數據挖掘工作。
  本文的主要工

4、作如下:
  (1)針對傳統的ID3決策樹分類算法不能處理大規(guī)模數據的問題,通過引入云計算的并行化思想,提出了一種基于Hadoop平臺的并行決策樹分類算法H_ ID3
  H_ID3算法利用MapReduce編程模型,實現了數據集縱向劃分的并行化、橫向劃分的并行化以及決策樹同一層所有節(jié)點最佳分裂屬性選擇的并行化。通過算法的實現及相關實驗,驗證了算法的可行性,其次還可以得到如下結論:H_ID3算法能夠處理大規(guī)模的數據集,且具有

5、良好的可擴展性和高加速比;其次,在處理的數據集規(guī)模較大時,H_ID3算法的效率明顯高于ID3算法。(第3章)
  (2)針對傳統C4.5決策樹分類算法不能處理大規(guī)模數據的問題,提出了一種基于Hadoop平臺的決策樹分類算法H_C4.5
  H_ C4.5算法和H_ID3算法的并行化思想大致相同,只是最佳分裂屬性的選擇標準不同。同樣,通過算法的實現及相關實驗,驗證了算法的可行性,以及H_C4.5算法具有的高效性、高擴展性和高加

6、速比。(第4章)
  (3)針對傳統CART決策樹分類算法不能處理大規(guī)模數據的問題,提出了一種基于Hadoop平臺的決策樹分類算法H_CART
  H_ CART算法利用MapReduce模型,實現了對數據集的并行劃分,以及利用MapReduce本身具有的排序功能,實現對連續(xù)屬性值的并行化排序;其次,同樣也實現了決策樹同一層所有節(jié)點最佳分裂屬性的并行化計算,大大提高了算法效率。通過算法的實現和相關實驗,驗證了算法的可行性和H

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論