ADICIONES A LOS ALGORITMOS DE ARBOLES DE DECISION PARA CLASIFICACION Y MINERIA DE DATOS EN BASES DE DATOSGRANDES Y DISTRIBUIDAS
Guardado en:
| Autor: | |
|---|---|
| Formato: | artículo original |
| Estado: | Versión publicada |
| Fecha de Publicación: | 2011 |
| Descripción: | Este articulo describe algoritmos clásicos y eficientes para construir árboles de decisión para muestras de datos, ya sea directamente o incrementalmente, y como mejorarlos con extensiones algoritmicas para hacerlos escalables y útiles para su aplicación en conjuntos grandes de datos. Así, nos hacemos útiles para minería de datos en grandes bases de datos. Primero, mostramos los algoritmos básicos y sus problemas principales. Despúes, presentamos nuevas modificaciones que los hacen adecuados para grandes conjuntos de datos. Segundo, mostramos algoritmos distribuidos para tratar con grandes y distribuidas bases de datos. |
| País: | Portal de Revistas UCR |
| Institución: | Universidad de Costa Rica |
| Repositorio: | Portal de Revistas UCR |
| Lenguaje: | Español |
| OAI Identifier: | oai:portal.ucr.ac.cr:article/7683 |
| Acceso en línea: | https://revistas.ucr.ac.cr/index.php/ingenieria/article/view/7683 |
| Palabra clave: | algoritmos extensiones |