基于决策树的流数据分类算法综述

• 作者: 增思涛 曹永春 林强 满正行 韩成成
• 来源期刊: 西北民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 数据分类 流数据 决策树
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息技术
• 页码范围: 20-30
• 页数: 11页
• 分类号: TP391
• 字数: 9126字
• 语种: 中文

摘要

流数据是一种有别于传统静态数据的新的数据形态,随着时间的推移而不断产生,而且富含变化.流数据分类是数据挖掘的研究分支,用于发现数据中隐含的模式并实现数据的类别划分,通常将每一个类别称作概念.将传统决策树算法引入流数据分类,针对流数据的特征提出特定的分类算法,是流数据分类的一个主要研究分支.为了全面介绍基于决策树的流数据分类算法,首先,简要概述数据挖掘及主要任务、决策树及其主要算法、流数据及其主要特性;然后,按照算法是否考虑概念漂移问题,将现有工作划分为包含概念漂移的流数据分类算法和不合概念漂移的流数据分类算法两大类,分别介绍每一类算法的主要算法流程、优缺点和典型应用;最后,指出基于决策树的流数据分类的进一步研究方向.