决策树简介Sprint算法的缺点雨林算法框架综述雨林算法框架设计方案:AVC_set{//存储属性的各个值DistinctValue[]//存储属性各个值在某个类上对应的计数DistinctValueCountForClassA[]DistinctValueCountForClassB[]……}AVC_group{//节点n中的每个属性的avc_setAVC_set[]}自顶向下决策树算法BuildTree(Nodem,datapatitionD,algorithmdecisionTree)对D使用决策树算法decisionTree得到分裂指标crit(n)令k为节点n的子节点个数if(k>0)建立n的k个子节点c1,…,ck使用最佳分割将D分裂为D1,…,Dkfor(i=1;i<=k;i++)BuildTree(ci,Di)endforendifRainForest算法框架重新定义的部分：1a)for每一个属性的谓词p,寻找最佳的分割1b)decisionTree.find_best_partitioning(AVC-setofp)1c)endfor2a)k=decisionTree.decide_splitting_criterion();//决定最终的分割算法分析雨林算法的常规过程算法综述算法RF-Write算法RF-Read算法RF-Read(续)混合算法RF-Hybrid算法RF-Vertical估算Avc-Group的大小与sprint算法的比较与sprint算法的比较：(产生较大决策树时的情形)排序执行效率比较:排序对象不同分布执行效率比较:I/O执行次数不同结论