چکیده فارسی:

در این مقاله ما یک الگوریتم یادگیری درخت تصمیم موازی به نام pdsCART را معرفی میکنیم. سه مشخصه اصلی و مهم در ساخت این درخت جود دارد. اول، الگوریتم ارائه شده میتواند با جریانهای داده­ای کار کرده و درخت تصمیم را ایجاد کند. دوم، الگوریتم قادر به پردازش موازی مقدار بزرگتری از جریان داده ثبت شده میباشد و بنابراین برای مجموعه داده­های خیلی بزرگ کاربرد دارد. و سوم اینکه، الگوریتم میتواند در چهار چوب MapReduce پیاده­سازی شود. جزئیات مرتبط با این الگوریتم و برخی از نتایج اصلی عملکرد در این مقاله ارائه شده است.

­مقدمه

داده بزرگ اصطلاحی برای تحلیل مجموعه ­های بزرگ داده شده است. این مجموعه­های بزرگ داده­ای در کاربردهای علمی از قبیل فیزیک، زیست و هواشناسی تولید شدند. اما یکی از این کاربردها در زمینه تجارت و سرمایه­داری بود، افزایش مقدار داده تولید شده، محققان را با مسائل و مشکلاتی در رویارویی با مجموعه داده بزرگ مواجه کرد. اما زمینه با اهمیت دیگر، جریانهای داده تولید شده توسط انواع حسگرها همانند وسایل متحرک، حسگرهای دوردست، شناسایی مخابره­های مکرر و غیره است…

چکیده انگلیسی : 

In this paper we introduce PdsCART, a parallel decision tree learning algorithm. There are three characteristics that are important to emphasize and make this algorithm particularly interesting. Firstly, the algorithm we present here can work with streaming data, i.e. one pass over data is sufficient to construct the tree. Secondly, the algorithm is able to process in parallel a larger amount of data stream records and can therefor handle efficiently very large data sets. And thirdly, the algorithm can be implemented in the MapReduce framework. Details about the algorithm and some basic performance results are presented.