文件名称：RF-BigDataCS:RF-BigDataCS
文件大小：636KB
文件格式：ZIP
更新时间：2024-06-18 00:20:32
Java
RF-BigDataCS：随机森林部分 MapReduce 算法处理不平衡大数据的成本敏感方法。 受 Mahout Random Forest Partial 实现的启发，我们构建了一个新的随机森林版本，可用于对不平衡的大数据进行分类。 Mahout部分实现（RF-BigData）是一种为数据的不同部分构建多个树的算法。 该算法分为两个不同的阶段：第一阶段专门用于创建模型，第二阶段专门用于使用先前学习的模型估计与数据集关联的类。 在第一阶段，随机森林是按照 MapReduce 过程从原始训练集构建的。 此过程如图 1 所示，包括三个步骤：初始、映射和最终。 当森林建设完成后，开始分类阶段以估计与数据样本集相关联的类别。 此过程如图 2 所示，包括三个步骤：初始、映射和最终。 为了使基于成本敏感学习的随机森林版本适应 Mahout 环境，我们需要将成本敏感操作包含到基本的随机森林实现中。