论文部分内容阅读
流式计算形态下的大数据分析一直是当前需要解决的问题，而且研究成果和实践经验较少。随机森林方法是目前应用较多的分类算法，但在流式计算应用场景中，数据所呈现出来的实时性、易失性、无序性等特征会使得算法准确度逐渐降低。针对这个问题，分析了随机森林的算法特点，提出了根据决策树的准确度进行随机森林剪枝的思路。同时为了适应数据的变化，结合准确度间隔的概念提出生成、验证并补充新决策树的方法，最终形成可以不断随数据更新的随机森林，满足流式大数据环境对算法的要求。使用实际数据对改进后方法的可行性进行了验证，证明新方法在真实