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

doi:10.19292/j.cnki.jdxxp.2024.05.016

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 +

Author information +

文章历史 +

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。