面向大型數(shù)據(jù)集的高效決策樹參數(shù)剪枝算法

摘要： 決策樹在數(shù)據(jù)分類上具有較好的效果，但容易產(chǎn)生過擬合的現(xiàn)象，解決方案是對決策樹進(jìn)行剪枝處理，然而傳統(tǒng)剪枝算法普遍存在預(yù)剪枝容易欠擬合、后剪枝時(shí)間消耗多、網(wǎng)絡(luò)搜索剪枝僅適用于小型數(shù)據(jù)集等問題。為了解決以上問題，提出一種高效的決策樹參數(shù)剪枝算法。根據(jù)網(wǎng)絡(luò)安全態(tài)勢感知模型，建立剪枝決策樹態(tài)勢感知系統(tǒng)架構(gòu)，分析網(wǎng)絡(luò)數(shù)據(jù)流。在生成決策樹的過程中，利用枚舉與二分搜索算法找出決策樹最大深度，采...