ADICIONES A LOS ALGORITMOS DE ARBOLES DE DECISION PARA CLASIFICACION Y MINERIA DE DATOS EN BASES DE DATOSGRANDES Y DISTRIBUIDAS

Este articulo describe algoritmos clásicos y eficientes para construir árboles de decisión para muestras de datos, ya sea directamente o incrementalmente, y como mejorarlos con extensiones algoritmicas para hacerlos escalables y útiles para su aplicación en conjuntos grandes de datos. Así, nos hacem...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Chakravarthy, Sharma
Formato: Online
Lenguaje:spa
Publicado: Universidad de Costa Rica 2011
Materias:
Acceso en línea:https://revistas.ucr.ac.cr/index.php/ingenieria/article/view/7683
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Descripción
Sumario:Este articulo describe algoritmos clásicos y eficientes para construir árboles de decisión para muestras de datos, ya sea directamente o incrementalmente, y como mejorarlos con extensiones algoritmicas para hacerlos escalables y útiles para su aplicación en conjuntos grandes de datos. Así, nos hacemos útiles para minería de datos en grandes bases de datos. Primero, mostramos los algoritmos básicos y sus problemas principales. Despúes, presentamos nuevas modificaciones que los hacen adecuados para grandes conjuntos de datos. Segundo, mostramos algoritmos distribuidos para tratar con grandes y distribuidas bases de datos.