Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn

Rừng ngẫu nhiên do Breiman đề xuất là một giải thuật tập hợp mô hình có độ chính xác rất cao. Tuy nhiên, nhược điểm chính của giải thuật là quá trình huấn luyện và phân lớp phải mất nhiều thời gian. Do đó việc nghiên cứu cải thiện thời gian thực hiện của giải thuật là cần thiết để có thể khai thác h...

Mô tả đầy đủ

Đã lưu trong:

Chi tiết về thư mục
Những tác giả chính:	Đỗ, Thanh Nghị, Phạm, Nguyên Khang
Định dạng:	Bài viết
Ngôn ngữ:	Vietnamese
Được phát hành:	Trường Đại học Đà Lạt 2012
Những chủ đề:	Rừng ngẫu nhiên Cây quyết định Bagging Boosting
Truy cập trực tuyến:	https://scholar.dlu.edu.vn/thuvienso/handle/DLU123456789/33630
Các nhãn:	Thêm thẻ Không có thẻ, Là người đầu tiên thẻ bản ghi này!

Thư viện lưu trữ:	Thư viện Trường Đại học Đà Lạt

id	oai:scholar.dlu.edu.vn:DLU123456789-33630
record_format	dspace
spelling	oai:scholar.dlu.edu.vn:DLU123456789-336302012-12-26T01:04:14Z Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn Đỗ, Thanh Nghị Phạm, Nguyên Khang Rừng ngẫu nhiên Cây quyết định Bagging Boosting Rừng ngẫu nhiên do Breiman đề xuất là một giải thuật tập hợp mô hình có độ chính xác rất cao. Tuy nhiên, nhược điểm chính của giải thuật là quá trình huấn luyện và phân lớp phải mất nhiều thời gian. Do đó việc nghiên cứu cải thiện thời gian thực hiện của giải thuật là cần thiết để có thể khai thác hiệu quả các tập dữ liệu khổng lồ. Trong bài viết, chúng tôi đề xuất giải thuật song song rừng ngẫu nhiên trên Grid cho phép giảm thời gian huấn luyện và phân lớp. Kết quả thực nghiệm trên các tập dữ liệu lớn như Forest cover type, KDD cup 1999, Connect-4 từ kho dữ liệu UCI cho thấy rằng thời gian huấn luyện và phân lớp của giải thuật song song giảm mạnh. 2012-12-26T01:04:14Z 2012-12-26T01:04:14Z 2012 Working Paper https://scholar.dlu.edu.vn/thuvienso/handle/DLU123456789/33630 vi Kỷ yếu Hội thảo công nghệ thông tin 2012;tr. 26-36 application/pdf Trường Đại học Đà Lạt
institution	Thư viện Trường Đại học Đà Lạt
collection	Thư viện số
language	Vietnamese
topic	Rừng ngẫu nhiên Cây quyết định Bagging Boosting
spellingShingle	Rừng ngẫu nhiên Cây quyết định Bagging Boosting Đỗ, Thanh Nghị Phạm, Nguyên Khang Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn
description	Rừng ngẫu nhiên do Breiman đề xuất là một giải thuật tập hợp mô hình có độ chính xác rất cao. Tuy nhiên, nhược điểm chính của giải thuật là quá trình huấn luyện và phân lớp phải mất nhiều thời gian. Do đó việc nghiên cứu cải thiện thời gian thực hiện của giải thuật là cần thiết để có thể khai thác hiệu quả các tập dữ liệu khổng lồ. Trong bài viết, chúng tôi đề xuất giải thuật song song rừng ngẫu nhiên trên Grid cho phép giảm thời gian huấn luyện và phân lớp. Kết quả thực nghiệm trên các tập dữ liệu lớn như Forest cover type, KDD cup 1999, Connect-4 từ kho dữ liệu UCI cho thấy rằng thời gian huấn luyện và phân lớp của giải thuật song song giảm mạnh.
format	Working Paper
author	Đỗ, Thanh Nghị Phạm, Nguyên Khang
author_facet	Đỗ, Thanh Nghị Phạm, Nguyên Khang
author_sort	Đỗ, Thanh Nghị
title	Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn
title_short	Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn
title_full	Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn
title_fullStr	Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn
title_full_unstemmed	Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn
title_sort	giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn
publisher	Trường Đại học Đà Lạt
publishDate	2012
url	https://scholar.dlu.edu.vn/thuvienso/handle/DLU123456789/33630
_version_	1819772656178692096

Giải thuật song song rừng ngẫu nhiên cho phân lớp dữ liệu lớn

Những quyển sách tương tự