[发明专利]基于列存储的决策树构造方法、装置、设备及存储介质

权利要求书

1.一种基于列存储的决策树构造方法，其特征在于，该方法包括：

根据当前层中各个节点的第一拆分特征读取对应的列数据，并根据所述列数据将各个样本划分至所述当前层中的各个节点；

获取所述各个节点中的分组样本，并统计所述分组样本中各个特征的特征分布情况；

根据所述特征分布情况，生成下一层节点；

对所述下一层节点进行分裂，直至收敛，获得决策树。

2.根据权利要求1所述的方法，其特征在于，所述各个节点对应不同的第一拆分特征，

所述根据所述列数据将各个样本划分至所述当前层中的各个节点的步骤包括：

从所述列数据中获取所述各个样本的第一特征，所述第一特征与所述第一拆分特征对应；

将各个节点的所述第一拆分特征发送至一个或多个执行机，由所述一个或多个执行机根据所述第一特征将所述各个样本划分至所述当前层中的各个节点。

3.根据权利要求1所述的方法，其特征在于，所述根据所述特征分布情况，生成下一层节点的步骤包括：

将所述特征分布情况发送至一个或多个执行机，由所述一个或多个执行机进行并行求解获得最优值；

将所述最优值作为第二拆分特征生成下一层节点。

4.根据权利要求1所述的方法，其特征在于，所述根据当前层中各个节点的第一拆分特征读取对应的列数据的步骤包括：

获取当前层中各个节点的所述第一拆分特征，从数据表中读取与所述第一拆分特征对应的列数据。

5.根据权利要求1所述的方法，其特征在于，所述根据当前层中各个节点的第一拆分特征读取对应的列数据的步骤之前还包括：

扫描样本数据，对所述样本数据进行特征一致性处理，并根据特征将所述样本数据按列存储。

6.根据权利要求1所述的方法，其特征在于，所述获取所述各个节点中的分组样本，并统计所述分组样本中各个特征的特征分布情况的步骤包括：

将划分至同一个节点的所述样本记为所述分组样本，获取所述各个节点对应的分组样本；

根据预设特征统计规则对所述分组样本进行统计，获得各个特征的特征分布情况。

7.根据权利要求1所述的方法，其特征在于，所述当前层中的各个节点的第一拆分特征分别是学历、存款和年龄，所述根据当前层中各个节点的第一拆分特征读取对应的列数据，并根据所述列数据将各个样本划分至所述当前层中的各个节点的步骤包括：

从数据表中读取与学历、存款和年龄对应的学历列数据、存款列数据和年龄列数据；

将所述学历列数据、存款列数据和年龄列数据分别发送至三个执行机，由所述三个执行机分别根据对应的列数据将所述各个样本划分至所述当前层中的各个节点。

8.一种基于列存储的决策树构造装置，其特征在于，所述基于列存储的决策树构造装置包括：

划分模块，用于根据当前层中各个节点的第一拆分特征读取对应的列数据，并根据所述列数据将各个样本划分至所述当前层中的各个节点；

统计模块，用于获取所述各个节点中的分组样本，并统计所述分组样本中各个特征的特征分布情况；

生成模块，用于根据所述特征分布情况，生成下一层节点；

获得模块，用于对所述下一层节点进行分裂，直至收敛，获得决策树。

9.一种基于列存储的决策树构造设备，其特征在于，所述基于列存储的决策树构造设备包括处理器，存储器以及存储在所述存储器中的基于列存储的决策树构造程序，所述基于列存储的决策树构造程序被所述处理器运行时，实现如权利要求1-7中任一项所述的基于列存储的决策树构造方法的步骤。

10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有基于列存储的决策树构造程序，所述基于列存储的决策树构造程序被处理器运行时实现如权利要求1-7中任一项所述基于列存储的决策树构造方法的步骤。