| Sumario: | Este articulo describe algoritmos clásicos y eficientes para construir árboles de decisión para muestras de datos, ya sea directamente o incrementalmente, y como mejorarlos con extensiones algoritmicas para hacerlos escalables y útiles para su aplicación en conjuntos grandes de datos. Así, nos hacemos útiles para minería de datos en grandes bases de datos. Primero, mostramos los algoritmos básicos y sus problemas principales. Despúes, presentamos nuevas modificaciones que los hacen adecuados para grandes conjuntos de datos. Segundo, mostramos algoritmos distribuidos para tratar con grandes y distribuidas bases de datos.
|
|---|