在Hadoop上并行执行决策树ID3 / C4.5

Question

我想在ID3/C4.5上实施决策树Hadoop。任何人都可以通过想法继续前进。

我很清楚算法，但我需要知道如何并行化它们。

Answer 1

我会考虑将一次属性选择迭代作为一个MapReduce作业。按照这个想法，您可以为属性上的每个映射器分配以检查信息增益，并且在reduce阶段（使用单个reducer），您可以选择最佳属性。
如果计算一台机器上的单次迭代（超过所有属性）比作业开始开销（大约20-40秒）稍微长一点，我会认为这种方法是实用的。