بررسی رویکردهای ساخت درخت تصمیم در مواجهه با داده های حجیم

داده کاوی به عنوان یکی از مراحل فرایند کشف دانش، به منظور استخراج قوانین و الگوهای معنیدار میان داده ها، به تجزیه وتحلیل حجم زیاد داده میپردازد. درخت تصمیم به عنوان یکی از الگوریتم های پرکاربرد داده کاوی، جهت پیشگویی استفاده میشود. این الگوریتم که از نوع الگوریتم های رده بندی است دارای سادگی و قابلیت تفسیر نتایج است؛ اما در مواجهه با داده های حجیم، درخت تصمیم بسیار پیچیده خواهد شد و به دلیل نیاز به مصرف حافظه و زمان بالا جهت ساخت درخت، کارایی فرایند دادهکاوی کاهش مییابد. ازاینرو توسعه الگوریتم درخت تصمیم کارا جهت مواجهه با داده های حجیم و غلبه بر مشکلات حافظه و زمان مصرفی ضرورت مییابد. تکنیک های زیادی جهت توسعه الگوریتم های مختلف درخت تصمیم برای غلبه بر مشکلات زمان، حافظه مصرفی و کاهش پیچیدگی درخت ارایه شده است. در این گزارش، به بررسی و مرور کارهای انجام شده درروند توسعه الگوریتم درخت تصمیم در مواجهه با داده های حجیم پرداخته میشود.

کلیدواژه ها:

دادهکاوی ، درخت تصمیم ، داده حجیم ، پردازش افزایشی ، مقیاس پذیری