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...
Guardado en:
| Autor principal: | |
|---|---|
| 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!
|
| 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. |
|---|