ارایه مدلی به منظور کاهش حافظه مصرفی درخت تصمیم گیری

امروزه هر سازمانی با حجم وسیعی از داده ها روبرو می باشد، که مدیریت این داده های خام و تبدیل آن به دانش کاری سخت و گمراهکننده خواهد بود. داده کاوی به عنوان یکی از مراحل کشف دانش نهفته در حجم انبوهی از داده های سازمان، به منظور استخراجقوانین و الگوهای معنی دار میان داده ها، به تجزیه و تحلیل داده ها خواهد پرداخت. درخت تصمیم یکی از ابزار قوی و کارآمد داده کاویمی باشد که به منظور دسته بندی و پیش بینی مورد استفاده قرار می گیرد. اما وقتی با داده های زیادی روبرو می شویم این الگوریتم می-تواند حجم بالای حافظه و زمان را مورد استفاده قرار دهد که این منجر به کاهش کارایی فرایند داده کاوی خواهد شد. این مسیله ما رابرآن داشت تا به دنبال تکنیکی جهت بهبود الگوریتم درخت تصمیم باشیم که بر مشکلات مربوط به حافظه مصرفی غلبه کند.این مقاله به بررسی و مرور برخی از پژوهش های انجام گرفته در زمینه بهبود الگوریتم های درخت تصمیم با تکنیک های گوناگونمی پردازد و در پایان مدلی به منظور کاهش حافظه مصرفی درختهای تصمیم گیری ارایه می گردد.

کلیدواژه ها:

دادهکاوی ، درخت تصمیم ، انتخاب ویژگی ، حافظه مصرفی