改进决策树算法的大数据分类优化方法

唐灵逸, 唐怡雯, 李蓓蓓

吉林大学学报(信息科学版) ›› 2024, Vol. 42 ›› Issue (05) : 959-965. DOI: 10.19292/j.cnki.jdxxp.2024.05.016

改进决策树算法的大数据分类优化方法

  • 唐灵逸, 唐怡雯, 李蓓蓓
作者信息 +
History +

摘要

针对当前海量数据的结构和特征较为复杂,对其分类时很难确保较高的精准度与效率的问题,提出了改进决策树算法的大数据分类优化方法。构建模糊决策函数检测大数据的序列特征,并将其输入决策树模型中挖掘和训练规则;利用灰狼优化算法改进决策树模型,使用改进后模型对大数据简化、粗略分类,再建立分类器准确度目标函数,实现对大数据的精准分类。实验结果表明,所提方法取得分类结果准确度最高、假正例率最低,保证了算法整体具有较高的吞吐量,提高了算法分类效率。

关键词

决策树模型 / 灰狼优化算法 / 目标函数 / 大数据分类 / 模糊决策函数

中图分类号

TP311.13 / TP18

引用本文

导出引用
唐灵逸, 唐怡雯, 李蓓蓓. 改进决策树算法的大数据分类优化方法. 吉林大学学报(信息科学版). 2024, 42(05): 959-965 https://doi.org/10.19292/j.cnki.jdxxp.2024.05.016

基金

上海市自然科学基金资助项目(16GR137510)

评论

Accesses

Citation

Detail

段落导航
相关文章

/