流数据中的决策树算法汇总.docx

下载文档

7
0
约小于1千字
约 3页
2020-05-08 发布于香港
举报
版权申诉
保障服务

流数据中的决策树算法汇总.docx

1、本文档共3页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

数据流中的决策树 VFDT模型：在叶结点储存实例，有足以继续分裂的数据之后才会分开。其中会有一个评估函数H（）来对所有的参数进行评估，当有一个参数的H值大于第二个超过ε时，节点就会以此就会分开。为了避免永远不会分支,前两个H最大的参数的评估值之差小于δ时，也会造成分支。H()不是每次都要被计算,而是样例达到一定数量. VFDT算法的优势相比于传统的一次性的决策树在于,每一个分支都是由足够的样例的数量作为支撑的 VFDT没有剪枝的过程处理连续型变量的方式：: 搜索排序计算信息量储存数据的结构用的是B树，每个节点都有两个数记录从左侧流过和从右侧流过的数据的数目。B树的插入算法如下：计算分点