随着数据的爆炸式增长,越来越多人开始关注大数据问题。由于大数据具有规模大、维度高、数据复杂且变化速度快的特性,导致传统的机器学习算法不再适用。大数据约简是解决大数据问题的一种有效方法,大数据约简方法主要分为两类:样例约简和属性约简,也称为样例选择和特征选择。样例选择是从大规模数据集中选择出最有代表性的数据子集来代替原始数据集,特征选择是从高维的数据集中选择出重要的特征子集,并将原始数据投影到特征子集上。两种方法的目的都是为了在不降低学习系统泛化能力的前提下,降低计算复杂度,提高学习效率。本文的主要工作包括以下三个方面:（一）提出了一种基于投票机制的大数据样例选择框架,该框架通过迭代操作完成样例选择。首先,将大数据集划分成两个子集,第一个子集D1是大型子集,第二个子集D2是中小型子集;然后,再将D1划分成q个规模较小的子集D1j（1≤j≤q）,并将这些子集部署到q个云计算节点。此外,D2广播到q个云计算节点。接下来,在各个节点,并行地用本地数据子集D1j训练分类器,并用训练的分类器从D2中选择样例。重复上述过程p次,得到p个样例子集;最后,用这p个子集进行投票,得到最终选择的样例子集。在这一框架的基础,提出了两种大数据样例选择算法:（1）基于决策树和投票机制的大数据样例选择算法;（2）基于随机森林和投票机制的大数据样例选择算法。第一个算法在本地节点用决策树算法在D1j上训练分类器,并用训练的分类器对D2中的样例进行分类。在此基础上,计算投票熵并进行样例选择。第二个算法在本地节点用随机森林算法在D1j上训练分类器,用训练的分类器对D2中的样例进行分类,并直接进行样例选择。（二）因为决策树算法可以看作是一种嵌入式特征选择算法,受这一思想的启发,提出了一种基于决策树和投票机制的大数据特征选择算法。首先,将高维大数据集划分为多个数据子集,并分发到map计算节点上,在每个map计算节点上使用决策树算法进行特征选择。在reduce节点,用每个map节点选择出来的特征进行投票,最终得到选择的特征子集。（三）在MapReduce和Spark两个开源大数据平台,编程实现了提出的三个算法,并与相关算法进行了实验比较,实验结果证明了本文提出的算法是可行且有效的,优于实验比较的算法。此外,还对基于Hadoop和Spark两种开源平台的实现进行了实验比对,得出了一些有价值的结论,对从事相关研究的人员具有一定的借鉴作用。