Fugu-MT 論文翻訳(概要): A Review and Analysis of a Parallel Approach for Decision Tree Learning from Large Data Streams

論文の概要: A Review and Analysis of a Parallel Approach for Decision Tree Learning from Large Data Streams

arxiv url: http://arxiv.org/abs/2505.11780v1
Date: Sat, 17 May 2025 01:07:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-20 14:57:10.843503
Title: A Review and Analysis of a Parallel Approach for Decision Tree Learning from Large Data Streams
Title（参考訳）: 大規模データストリームからの決定木学習のための並列手法のレビューと解析
Authors: Zeinab Shiralizadeh,
Abstract要約: この研究は、スケーラブルで効率的なデータ解析のために設計された並列決定木学習アルゴリズムpdsCARTの1つを研究する。データストリームからのリアルタイム学習をサポートし、木を段階的に構築できる。第二に、高ボリュームのストリーミングデータの並列処理を可能にし、大規模アプリケーションに適している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work studies one of the parallel decision tree learning algorithms, pdsCART, designed for scalable and efficient data analysis. The method incorporates three core capabilities. First, it supports real-time learning from data streams, allowing trees to be constructed incrementally. Second, it enables parallel processing of high-volume streaming data, making it well-suited for large-scale applications. Third, the algorithm integrates seamlessly into the MapReduce framework, ensuring compatibility with distributed computing environments. In what follows, we present the algorithm's key components along with results highlighting its performance and scalability.
Abstract（参考訳）: この研究は、スケーラブルで効率的なデータ解析のために設計された並列決定木学習アルゴリズムpdsCARTの1つを研究する。この方法は3つのコア機能を含んでいる。まず、データストリームからのリアルタイム学習をサポートし、木を段階的に構築できる。第二に、高ボリュームのストリーミングデータの並列処理を可能にし、大規模アプリケーションに適している。第三に、このアルゴリズムはMapReduceフレームワークにシームレスに統合され、分散コンピューティング環境との互換性を確保する。以下に示すのは、アルゴリズムのキーコンポーネントと、その性能とスケーラビリティを強調した結果である。

関連論文リスト

A Weighted K-Center Algorithm for Data Subset Selection [70.49696246526199]
サブセット選択は、トレーニングデータの小さな部分を特定する上で重要な役割を果たす、基本的な問題である。我々は,k中心および不確かさサンプリング目的関数の重み付け和に基づいて,サブセットを計算する新しい係数3近似アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-12-17T04:41:07Z)
Relation-aware Ensemble Learning for Knowledge Graph Embedding [68.94900786314666]
我々は,既存の手法を関係性に配慮した方法で活用し,アンサンブルを学習することを提案する。関係認識アンサンブルを用いてこれらのセマンティクスを探索すると、一般的なアンサンブル法よりもはるかに大きな検索空間が得られる。本稿では,リレーショナルなアンサンブル重みを独立に検索する分割探索合成アルゴリズムRelEns-DSCを提案する。
論文参考訳（メタデータ） (2023-10-13T07:40:12Z)
Parallel Tree Kernel Computation [0.0]
2つの有限木からなる木核の計算のための逐次アルゴリズムの並列実装を考案する。その結果,提案した並列アルゴリズムは遅延の点で逐次アルゴリズムよりも優れていることがわかった。
論文参考訳（メタデータ） (2023-05-12T18:16:45Z)
Block size estimation for data partitioning in HPC applications using machine learning techniques [38.063905789566746]
本稿では,ブロックサイズ推定のためのBLEST-ML(BLock size ESTimation through Machine Learning)手法について述べる。提案手法は分散コンピューティングライブラリであるdislibに適した実装を設計することで評価された。その結果、BLEST-MLが与えられたデータセットを分割する適切な方法を効率的に決定できることを示した。
論文参考訳（メタデータ） (2022-11-19T23:04:14Z)
An Improved Reinforcement Learning Algorithm for Learning to Branch [12.27934038849211]
ブランチ・アンド・バウンド(B&B)は最適化の一般的な方法である。本稿では,新しい強化学習に基づくB&Bアルゴリズムを提案する。提案アルゴリズムの性能を3つの公開研究ベンチマークで評価した。
論文参考訳（メタデータ） (2022-01-17T04:50:11Z)
Towards Large Scale Automated Algorithm Design by Integrating Modular Benchmarking Frameworks [0.9281671380673306]
本稿では,アルゴリズムフレームワークであるParadisEOと,自動アルゴリズム設定ツール irace と実験プラットフォーム IOHknownr の効率性を示す最初の概念実証例を提案する。パイプラインの主な利点は、高速な評価時間、豊富なデータセットを生成する可能性、そしてサンプリングベースの最適化の非常に幅広いクラスをベンチマークするのに使用できる標準化されたインターフェースである。
論文参考訳（メタデータ） (2021-02-12T10:47:00Z)
Triclustering in Big Data Setting [2.752817022620644]
本稿では、MapReduceモデルや並列化機構を備えた分散環境での効率的な計算に適応したトリクラスタリングアルゴリズムのバージョンについて述べる。 OAC- family of triclustering algorithm shows good parallelization capabilities due by the independent processing of triples of a triadic formal context。
論文参考訳（メタデータ） (2020-10-24T16:55:55Z)
Towards Efficient and Scalable Acceleration of Online Decision Tree Learning on FPGA [20.487660974785943]
ビッグデータの時代において、従来の決定木誘導アルゴリズムは大規模なデータセットを学習するのに適していない。本稿では,現在最先端のオンライン学習モデルの1つであるHoeffdingツリーの帰納化を改善するために,新しいQuantileベースのアルゴリズムを提案する。フィールドプログラミング可能なゲートアレイ上に,高性能,ハードウェア効率,スケーラブルなオンライン決定木学習システムを提案する。
論文参考訳（メタデータ） (2020-09-03T03:23:43Z)
Unsupervised Deep Cross-modality Spectral Hashing [65.3842441716661]
このフレームワークは、最適化をバイナリ最適化とハッシュ関数学習に分離する2段階のハッシュアプローチである。本稿では,単一モダリティと二項相互モダリティを同時に学習するスペクトル埋め込みに基づく新しいアルゴリズムを提案する。我々は、画像に強力なCNNを活用し、テキストモダリティを学ぶためのCNNベースのディープアーキテクチャを提案する。
論文参考訳（メタデータ） (2020-08-01T09:20:11Z)
MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
論文参考訳（メタデータ） (2020-07-24T17:06:55Z)
Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文参考訳（メタデータ） (2020-03-03T15:20:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。