درخت تصمیم مقیاس پذیر مبتنی بر تقسیم سریع داده ها و پیش هرس

الگوریتمهای ساخت درخت تصمیم با محدودیت های حافظه، زمان و پیچیدگی درخت مواجه هستند. جهت ساخت درخت باید همه مجموعه داده آموزش و یا بخش زیادی از آن را درون حافظه نگهدارند. الگوریتم هایی که به علت انتخاب زیرمجموعه ای از داده با محدودیت حافظه مواجه نیستند، زمان اضافی جهت انتخاب داده صرف میکنند. جهت انتخاب بهترین ویژگی برای ایجاد انشعاب در درخت هم باید محاسبات زیادی بر روی این مجموعه داده انجام شود. در این مقاله یک رویکرد مقیاس پذیر افزایشی بر مبنای تقسیم سریع و هرس؛ جهت ساخت درخت تصمیم بر روی مجموعه داده های حجیم ارایه شده است. الگوریتم ارایه شده درخت تصمیم را با استفاده از کل مجموعه داده آموزش اما بدون نیاز به ذخیره سازی داده در حافظه اصلی میسازد. همچنین جهت کاهش پیچیدگی درخت از روش پیش هرس استفاده شده است. نتایج آزمایش نشانمیدهد الگوریتم ارایه شده با وجود دقت و زمان ساخت قابل رقابت با سایر الگوریتمها، بر مشکلات حاصل از پیچیدگی درخت غلبه کرده است

کلیدواژه ها:

داده کاوی ، درخت تصمیم ، پیش هرس ، مقیاس پذیر