賀俊

摘 要：在存留和解析多樣數(shù)據(jù)時(shí)，云計(jì)算能供應(yīng)實(shí)效凸顯的解決路徑。明晰數(shù)據(jù)挖掘用到的特有算法，帶有側(cè)重的價(jià)值。建構(gòu)在SLIQ之上的算法，采用逐一遍歷以及伸縮性指標(biāo)的計(jì)算方法，尋找到精準(zhǔn)的分裂點(diǎn)。建構(gòu)出來的模型，能促動(dòng)算法實(shí)效的升高。經(jīng)由改進(jìn)，SLIQ框架下的算法，增添了并行化情形下的挖掘效率。

關(guān)鍵詞：計(jì)算機(jī)云計(jì)算；SLIQ；并行算法

數(shù)目偏多的數(shù)據(jù)，經(jīng)由數(shù)據(jù)挖掘，被歸整和處理。陳舊的挖掘算法，只可以輸入那種規(guī)模偏小的數(shù)據(jù)量；若數(shù)據(jù)量遞增，那么這樣的算法會(huì)縮減速率，很難提升原有的運(yùn)算成效。云計(jì)算框架下的運(yùn)算，能處理這種規(guī)模偏大的數(shù)據(jù)。若能摸索出并行化情形下的數(shù)據(jù)挖掘，就可化解掉這樣的疑難。SLIQ接納了新穎的編程模型，在既有的環(huán)境之下，建構(gòu)出決策規(guī)則情形中的數(shù)據(jù)挖掘。

1 新穎算法概述

建構(gòu)在SLIQ框架下的新穎算法，歸屬于決策樹分類這種算法，并凸顯了代表性。這樣的算法，可處理數(shù)目偏多的數(shù)據(jù)；而陳舊的分類器帶有的處理容量，只能升至600KB左右。因此，建構(gòu)在SLIQ框架下的新穎算法，打破了陳舊算法特有的瓶頸。經(jīng)由改進(jìn)的SLIQ，帶有凸顯的分布特性，能與現(xiàn)有的數(shù)據(jù)挖掘狀態(tài)契合。

上世紀(jì)末這一時(shí)段內(nèi)，學(xué)者經(jīng)由摸索，創(chuàng)設(shè)出了新穎的SLIQ。這樣的新算法，速率很高，且能被延展，它建構(gòu)在特有的模型之上，即決策樹這種模型。SLIQ可分出三個(gè)獨(dú)特階段，即預(yù)處理用到的階段、構(gòu)建樹的獨(dú)特階段、修剪樹的獨(dú)特階段。預(yù)處理用到的階段以內(nèi)，要排列出各類別數(shù)值帶有的屬性。在制備出來的類表以內(nèi)，對(duì)葉的那些節(jié)點(diǎn)索引，朝向決策樹搭配著的根節(jié)點(diǎn)。建構(gòu)樹用到的階段以內(nèi)，采納新穎的、遞歸調(diào)用必備的路徑。修剪樹用到的階段以內(nèi)，特有的修剪算法，描述的是獨(dú)特的最小長度。

2 經(jīng)由改進(jìn)的新算法

2.1 獨(dú)特的屬性分裂路徑

SLIQ框架下的新穎算法，搭配著可伸縮的新指標(biāo)。用這樣的新指標(biāo)，替換掉舊有的信息量。這樣一來，就生成了最適宜的那種決策樹。在計(jì)算體系帶有的特征值時(shí)，索引只考量類值現(xiàn)有的分布情形。對(duì)數(shù)值型的、帶有連續(xù)性的獨(dú)特字段，在尋找出分裂點(diǎn)的路徑中，可設(shè)定出如下幾步：設(shè)定一個(gè)特有的字段a，經(jīng)由排序，可獲取到獨(dú)特?cái)?shù)列，含有m個(gè)數(shù)值。分裂這樣的事件，會(huì)在帶有鄰近特性的那些節(jié)點(diǎn)中產(chǎn)出，因此，就運(yùn)算出了m種這樣的可能性。選取數(shù)列涵蓋著的中點(diǎn)，當(dāng)成備選情形下的分裂點(diǎn)。依循由小到大這樣的次序，選取出能用到的分裂點(diǎn)。在這之中，最小點(diǎn)歸屬于最佳的備選數(shù)值。

對(duì)那些帶有離散特性的獨(dú)特字段，要經(jīng)由分裂測(cè)試，選取出字段含有的所有子集。把原有的字段，分出兩個(gè)獨(dú)特成分，運(yùn)算得來不同的索引。當(dāng)選取到那個(gè)最小狀態(tài)下的索引時(shí)，就尋找到了最好的那個(gè)分裂點(diǎn)。然而，要遍歷字段涵蓋著的一切子集，會(huì)耗費(fèi)掉偏多的時(shí)間。

2.2 并行化路徑

經(jīng)由改進(jìn)，SLIQ框架下的新穎算法，可以并行化路徑。具體而言，要把體系搭配著的一切類表，存留在現(xiàn)有的處理機(jī)以內(nèi)。在并行框架下，建構(gòu)樹用到的階段，應(yīng)被側(cè)重探究，而剪枝時(shí)段，不會(huì)耗費(fèi)掉偏多的時(shí)間。要?jiǎng)?chuàng)設(shè)出并行建樹必備的路徑，就應(yīng)尋找出最好的那個(gè)分裂點(diǎn)，同時(shí)建構(gòu)出能用到的新節(jié)點(diǎn)。

若要執(zhí)行這樣的分裂路徑，則要更替樣本涵蓋著的類表，以及特有的直方圖。直方圖含有的獨(dú)特字段，可借助運(yùn)算得來索引。還應(yīng)借助特有的哈希表，以便存留住分割點(diǎn)搭配著的兩側(cè)數(shù)值，并供應(yīng)并行節(jié)點(diǎn)必備的分隔根據(jù)。經(jīng)由改進(jìn)，SLIQ框架下的算法，能存留偏多的內(nèi)存，提升原有速率；同時(shí)，在很短時(shí)段內(nèi)，可生成期待中的目標(biāo)數(shù)。

3 可用的改進(jìn)途徑

借助特有的編程模型，改進(jìn)了陳舊算法，獲取到SLIQ框架下的新算法。編程模型搭配著的函數(shù)，會(huì)把各類別根節(jié)點(diǎn)既有的記錄，予以水平方位內(nèi)的劃分。這樣一來，就分出了N個(gè)等同規(guī)模之下的子集，并獲取到特有的數(shù)據(jù)塊。對(duì)N個(gè)這樣的子集，增添現(xiàn)有的格式化特性。Map框架下的操作，會(huì)經(jīng)由掃描，錄入各類別的記錄。在這以后，分出同種類別下的key，對(duì)應(yīng)到精準(zhǔn)的文件內(nèi)。選取特有的模計(jì)算，把這些文件，搭配到既有的模型之上。

對(duì)那些帶有連續(xù)屬性的獨(dú)特字段，要依循由小到大這樣的次序，排列出字段涵蓋著的屬性值。與此同時(shí)，要生成精準(zhǔn)的直方圖。初始數(shù)值，被設(shè)定成零。要經(jīng)由運(yùn)算，得來分裂點(diǎn)搭配著的索引數(shù)值。隨時(shí)去更替現(xiàn)有的直方圖，對(duì)那些離散情形下的連續(xù)字段，可以不排出次序，也可以不去更替原有的直方圖。初次掃描，可歸結(jié)出特有的直方圖，運(yùn)算得來子集搭配著的索引數(shù)值。

SLIQ框架下的獨(dú)特操作，會(huì)依循既有的分裂點(diǎn)，建構(gòu)出可用的哈希表。這種表單內(nèi)，第m條獨(dú)特記錄，就表征著源數(shù)據(jù)含有的第m個(gè)獨(dú)特樹節(jié)點(diǎn)。比對(duì)現(xiàn)有的輸出數(shù)值，選取出最小的那種索引，關(guān)聯(lián)起既有屬性，以及既有的數(shù)據(jù)表。對(duì)各類別工作站含有的偏小的索引，比對(duì)它們搭配著的屬性數(shù)值。這樣一來，就獲取到了最小情形下的指標(biāo)值，它就歸屬于最好的那種分割點(diǎn)。經(jīng)由年齡框架下的直方圖，可運(yùn)算得來Age表征著的屬性。經(jīng)由遍歷，可獲取到最好的那種分割點(diǎn)，這就增添了運(yùn)算實(shí)效。

[參考文獻(xiàn)]

[1]楊長春，沈曉玲.基于云計(jì)算的SLIQ并行算法研究[J].計(jì)算機(jī)工程與科學(xué)，2012（03）.

[2]王鄂，李銘.云計(jì)算下的海量數(shù)據(jù)挖掘研究[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2009（11）.

[3]高勛.基于云計(jì)算的Web結(jié)構(gòu)挖掘算法研究[D].北京交通大學(xué)，2010（06）.