蝙蝠决策树新型演算法应用于资料探勘.pdf

第十四屆 離島資訊技術與應用研討會 第十四屆離島資訊技術與應用研討會論文集 蝙蝠 決策樹新型演算法應用於資料探勘 1 2 3 4 5 6 李仁鐘 、謝正豪 、林辰諶 、李宗翰 、胡平琨 、陳星瑞 華梵大學資訊管理系 1 2 3 johnlee@.tw 、m0125005@.tw 、chenchenlins@ 4 5 6 gundanw87105@ 、jack234414@ 、victor17tw@.tw 摘要 problems. 隨者資訊量越來越龐大，資料探勘方法被廣泛 Keywords: Data Mining, Bat Algorithm, Decision Tree. 運用，其中決策樹能將資料整理後讓決策者能迅速 從中取得資料背後隱含的資訊，因此被用在各領域 前言 中解決問題。決策樹其參數須預先設定，而參數設 近年來隨資訊量暴增，出現了比傳統資料更 定將會影響其最後結果，故調整參數成為一重要之 龐大的巨量資料 (Big Data) ，資料量逐年遞增， 議題。 International Data Corporation(IDC) 統計近幾年來 由於決策樹之參數會因不同的問題各自擁有 的資料量並預估未來幾年後資料量的成長，從 不同的參數，以人工方式來調整需要花費大量時間， 2005 年時就已有 130EB(Exabytes)的資料量，到 故將使用蝙蝠演算法來適當調整決策樹之參數，以 2020 年時預估可成長到40,000EB(Exabytes)的資料 此來提升原本決策樹之正確率，找出最佳之參數。 量 [1] ，在如此大量的資料量下該如何從中找出有 使用決策樹結合蝙蝠演算法後，能依據不同的問題 用的資料出來則成為一重要之議題。其中資料探勘 找出其最佳參數組合，產生之結果將與決策樹和支 這門學問因此而產生，常見的資料探勘方法有決策 援向量機器比較後，其正確率高於該二種演算法 ， 樹 (Decision Tree, DT) 、支援向量機器(Support 因此使用蝙蝠演算法能在不同的問題中找到最合 Vector Machine, SVM) 、類神經網路(Neural 適決策樹之參數。