| 数据挖掘中分类算法的可扩展性探讨 |
| |
| 引用本文： | 曹素娥.数据挖掘中分类算法的可扩展性探讨[J].软件,2019(10):155-158. |
| |
| 作者姓名： | 曹素娥 |
| |
| 作者单位： | 1.山西大同大学计算机与网络工程学院 |
| |
| 摘 要： | 为了更加灵活的应用分类算法,针对数据挖掘中分类算法的可扩展性展开分析,首先介绍决策树分类算法、K最近邻分类算法这2种常见分类算法,并且分析分类算法的可扩展性,明确分类算法的作用以及扩展分类算法的3点原因,最后从应用快速算法、及时分割数据、表达与维护数据关系这3个方面着手,阐述可扩展性的实现方法。数据挖掘中分类算法的可扩展性能够充分发挥分类算法优势,提高分类结果准确性,及时完成数据挖掘。因此本文主要研究了数据挖掘中分类算法的可扩展性,希望能够提供一定的参考价值。
|
| 关 键 词： | 数据挖掘 分类算法 可扩展性 决策树分类算法 |
Exploration on Expansibility of Classification Algorithms in Data Mining |
| |
| CAO Su-e.Exploration on Expansibility of Classification Algorithms in Data Mining[J].Software,2019(10):155-158. |
| |
| Authors: | CAO Su-e |
| |
| Affiliation: | (school of Computer and Network Engineering, Shanxi Datong University, Shanxi Datong, 037009) |
| |
| Abstract: | CAO Su-e(school of Computer and Network Engineering, Shanxi Datong University, Shanxi Datong, 037009) |
| |
| Keywords: | Data mining Classification algorithm Scalability Decision tree classification algorithms |
| 本文献已被 维普 等数据库收录！ |
|
