基于Hadoop的并行共享决策树挖掘算法研究

作者：陈湘涛; 张超; 韩茜

来源：计算机科学, 2013, (11): 215-221.

• 共享决策树
• 并行共享决策树
• 混合数据结构
• 云计算
• Hadoop Shared decision tree
• Parallel shared decision tree
• Hybrid data structure
• Cloud computing
• Hadoop

共享知识挖掘是指通过学习不同事物之间的共享知识,将学习到的知识应用到未知事物来加快认知未知事物。针对大数据集中串行共享知识挖掘算法效率低下的问题,结合云计算技术,提出了一种基于Hadoop的并行共享决策树挖掘算法(PSDT)。该算法采用传统的属性表结构实现并行挖掘,但其I/O操作过多,影响算法性能,为此,进一步提出了一种混合并行共享决策树挖掘算法(HPSDT)。该算法采用混合数据结构,在计算分裂指标阶段使用属性表结构,在分裂阶段采用数据记录结构。数据分析表明,HPSDT算法简化了分裂过程,其I/O操作是PSDT的0.34左右。实验结果表明,PSDT和HPSDT都具有良好的并行性和扩展性;HPS...

• 出版日期2013
• 单位莱特州立大学; 湖南大学