带估计的分割点采样的并行决策树
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文工作 | 第10-11页 |
| 第二章 决策树算法 | 第11-22页 |
| 2.1 决策树 | 第11-15页 |
| 2.1.1 决策树的生成 | 第12-15页 |
| 2.1.2 决策树的剪枝 | 第15页 |
| 2.2 决策树经典算法 | 第15-18页 |
| 2.2.1 SLIQ算法 | 第16-17页 |
| 2.2.2 SPRINT算法 | 第17-18页 |
| 2.3 决策树并行算法 | 第18-21页 |
| 2.3.1 决策树的并行性 | 第18-19页 |
| 2.3.2 并行查找最佳分割点 | 第19-21页 |
| 2.4 存在的问题 | 第21-22页 |
| 第三章 决策树并行算法设计 | 第22-28页 |
| 3.1 寻找最佳分割点 | 第22-23页 |
| 3.2 并行生成决策树 | 第23页 |
| 3.3 主要组件 | 第23-24页 |
| 3.4 MRSPDT算法实例分析 | 第24-25页 |
| 3.5 理论分析 | 第25-28页 |
| 3.5.1 寻找最佳分割点的计算复杂度分析 | 第25-26页 |
| 3.5.2 MRSPDT算法的误差界分析 | 第26-28页 |
| 第四章 决策树并行算法实现 | 第28-32页 |
| 4.1 并行扩展节点建树任务 | 第28-30页 |
| 4.1.1 数据统计MapReduce过程 | 第28-29页 |
| 4.1.2 子树生成MapReduce过程 | 第29-30页 |
| 4.2 并行内存生成子树任务 | 第30页 |
| 4.3 主控制器设计 | 第30-32页 |
| 第五章 实验 | 第32-37页 |
| 5.1 实验环境 | 第32-33页 |
| 5.1.1 集群网络搭建 | 第32-33页 |
| 5.1.2 Hadoop配置 | 第33页 |
| 5.2 实验数据 | 第33-34页 |
| 5.3 实验结果与分析 | 第34-37页 |
| 5.3.1 最佳分割点比较 | 第34-35页 |
| 5.3.2 准确率 | 第35-36页 |
| 5.3.3 可扩展性 | 第36-37页 |
| 第六章 结语 | 第37-38页 |
| 6.1 总结 | 第37页 |
| 6.2 进一步工作 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 发表论文和参加科研情况说明 | 第41-42页 |
| 致谢 | 第42页 |
