基于增强可伸缩随机森林的高维大数据预测分析系统

• 作者: 彭娟 李发陵
• 来源期刊: 西南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 高维大数据 增强可伸缩随机森林 降维 预测分析 超参数优化
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.13718/j.cnki.xsxb.2021.01.001

摘要

针对大数据由于数据复杂性、异构性、安全性、可伸缩性和大规模数据量而难以预测分析的问题,提出了基于增强可伸缩随机森林(Enhancing Scalable Random Forest,ESRF)的高维大数据预测分析系统.该系统通过在训练数据集上执行超参数优化来提升可伸缩随机森林(Scalable Random Forest,SFR),然后对预处理数据应用主成分分析(Principal Component Analysis,PCA)和信息增益(Information Gain,IG),对不影响模型的特征进行缩减以减少模型开发阶段的处理时间开销.实验结果表明,本文系统可以提供出色的预测能力,而且可以在整个实验数据集中以最少的处理时间提供有效的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李发陵		11	24	2.0	4.0
2	彭娟		13	10	2.0	3.0