基于Hadoop平臺的數據挖掘分類算法分析與研究.pdf

1、隨著互聯網等技術的發(fā)展，數據的總量以及類型將會越來越豐富。收集、分析并運用這些豐富的數據，是如今和未來數據發(fā)展的一個主流。其中，對數據進行有效準確快速的分類，是首先需要解決的任務。傳統(tǒng)的數據挖掘分類算法往往無法快速有效地處理大規(guī)模數據。Hadoop作為一個優(yōu)秀的云計算平臺，能夠對海量數據進行高效、快速以及可靠的處理。
　　本文具體說明了Hadoop平臺、數據挖掘及其分類的相關概念，然后深入分析了支持向量機（SVM）算法、K-近鄰（

2、KNN）算法以及樸素貝葉斯（NB）算法這三種性能優(yōu)秀的數據挖掘分類算法，由于它們各種各樣的缺點讓分類的結果達不到理想的狀態(tài)，因此本文對這三種分類算法進行了分析，并通過改變計算方式和加入權重系數等方式對算法進行改進，融合各種算法的優(yōu)點，摒棄它們的缺點，提出了SVM_KNN分類算法以及SVM_WNB分類算法，以解決處理上的不足。同時在這個基礎上本文介紹了算法并行化的可行性和思路，將提出的兩種改進算法在Hadoop云計算平臺上進行并行化地處理