微处理机
微處理機
미처리궤
MICROPROCESSORS
2008年
5期
85-87
,共3页
决策树%增量学习%估计概率%数据挖掘
決策樹%增量學習%估計概率%數據挖掘
결책수%증량학습%고계개솔%수거알굴
对于数据增加迅速的客户行为分析、Web日志分析、网络入侵检测等在线分类系统来说,如何快速适应新增样本是确保其分类正确和可持续运行的关键.该文提出了一种新的适应数据增量的决策树算法,该算法同贝叶斯方法相结合,在原有决策树的基础上利用新增样本迅速训练出新的决策树.实验结果表明,提出的算法可以较好的解决该问题,与重新构造决策树相比,它的时间开销更少,且具有更高的分类准确率,更适用于在线分类系统.
對于數據增加迅速的客戶行為分析、Web日誌分析、網絡入侵檢測等在線分類繫統來說,如何快速適應新增樣本是確保其分類正確和可持續運行的關鍵.該文提齣瞭一種新的適應數據增量的決策樹算法,該算法同貝葉斯方法相結閤,在原有決策樹的基礎上利用新增樣本迅速訓練齣新的決策樹.實驗結果錶明,提齣的算法可以較好的解決該問題,與重新構造決策樹相比,它的時間開銷更少,且具有更高的分類準確率,更適用于在線分類繫統.
대우수거증가신속적객호행위분석、Web일지분석、망락입침검측등재선분류계통래설,여하쾌속괄응신증양본시학보기분류정학화가지속운행적관건.해문제출료일충신적괄응수거증량적결책수산법,해산법동패협사방법상결합,재원유결책수적기출상이용신증양본신속훈련출신적결책수.실험결과표명,제출적산법가이교호적해결해문제,여중신구조결책수상비,타적시간개소경소,차구유경고적분류준학솔,경괄용우재선분류계통.
