[发明专利]一种基于Spark框架利用梯度提升决策树进行数据挖掘的算法在审
| 申请号： | 201610607692.5 | 申请日： | 2016-07-28 |
| 公开（公告）号： | CN106250461A | 公开（公告）日： | 2016-12-21 |
| 发明（设计）人： | 胡建斌;高洪涛;白志凌 | 申请（专利权）人： | 北京北信源软件股份有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06K9/62 |
| 代理公司： | 北京东正专利代理事务所(普通合伙)11312 | 代理人： | 刘瑜冬 |
| 地址： | 100081 北京市海淀区中关村*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Spark框架利用梯度提升决策树进行数据挖掘的算法，该算法步骤如下：(1)原始数据分布式存储于Hadoop平台的分布式文件系统HDFS上并分配成n个数据集；(2)每个数据集降维处理，抽取出最重要的特征向量，将特征维度从M降低到m，m<M；(3)降维后的数据集采用随机采样方式，按照3:1的比例划分为训练数据集和测试数据集；(4)对训练数据集采用梯度提升决策树迭代优化，选择损失函数最小的决策树模型为该数据集的最优模型；(5)优化后的决策树模型加权平均获得最终的梯度提升决策树模型；(6)利用(5)步的梯度提升决策树模型对各组数据集中的测试数据进行预测，确定模型的准确性并实现数据挖掘。本申请的方法压缩了原始数据量，降低了计算量，简化了运算复杂度，提高了计算效率和可靠性，实现了数据高效提取和利用。 | ||
| 搜索关键词： | 一种 基于 spark 框架 利用 梯度 提升 决策树 进行 数据 挖掘 算法 | ||
【主权项】：
一种基于Spark框架利用梯度提升决策树进行数据挖掘的算法，其特征在于，该算法包括如下步骤：(1)将原始海量数据分布式存储于Hadoop平台的分布式文件系统HDFS上并分配成n个数据集；(2)每个数据集降维处理，抽取出最重要的特征向量，数据集数据的特征维度从M降低到m，m<M；(3)降维后的数据集采用随机采样方式，按照数据量3:1的比例划分为训练数据集和测试数据集；(4)对训练数据集数据采用梯度提升决策树进行迭代优化，选择损失函数最小的决策树模型为该数据集的最优模型；(5)对每个数据集优化后得到的决策树模型进行加权平均获得最终的梯度提升决策树模型；(6)利用(5)步的梯度提升决策树模型对各组数据集中的测试数据进行预测，确定该模型的准确性并实现数据挖掘。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京北信源软件股份有限公司，未经北京北信源软件股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610607692.5/，转载请声明来源钻瓜专利网。
