在資料量急劇增加之下，電腦資料的處理速度成了一項重要的技術，如果能夠將資料處理分析的時間節省下來則可提早一步作預測或判斷，而平行化處理就是一個可以使計算時間縮短的一個方法。而在本篇研究裡就是將資料探勘上常用到的決策樹與平行化作結合，本研究用的是以CART演算法配合兩種平行處理方式，第一個方法為資料平行化，是將資料分作多個等分且以平行化的方式建構多顆決策樹；第二個方法為預測變數平行化，其方法是在決策樹計算最佳變數和最佳切割點時將資料以變數個數作區分，分作多個部份來作平行運算，而在最後模擬結果可以得知速度方面CART使用預測變數平行化方法節省的時間比資料平行化還要來得多，而資料平行化方法則必須要在資料量大於大概6萬以後才會在計算速方面比原始無平行化的CART方法快，且在CPU從2核心上升到4時，時間上面的變化都有很明顯的縮減，兩方法在大型資料下都能縮減決策樹在計算上的時間。

As the amount of data becomes increasing more and more today, the computation speed of the computer becomes a very important factor. If we can decrease the computing time, we could make the prediction or decision much early than expected. Parallel computation is one of the methods which can decrease computing time. In this paper, we will combine the parallel computation with decision tree technique, and use the CART algorithm as our decision tree model. There are two types of parallel algorithms in this research, 1. Data parallelization: split the data into several parts to build the decision tree in parallel, 2. Variable parallelization: split the predictive variables to do parallelization. In our simulation, we will show that method 2 together with the CART tree algorithm has better performance than method 1. On the other hand, CART with method 1 will be faster than non-parallel CART tree when the size of data amount is over 60,000. Also, when the number of CPU kernels are added from two to four, there is a significant reduction in computing time in both algorithms.

目錄	I
表目錄	III
圖目錄	IV
第一章緒論	1
1.1	研究背景	1
1.2	研究動機與目的	2
1.3	論文結構	3
第二章文獻探討	5
2.1決策樹簡介	5
2.2 CART決策樹	7
2.3平行化 (Parallization)	8
2.4決策樹平行化	8
第三章研究方法	13
3.1 R軟體套件運用	13
3.1	資料平行化	15
3.2	預測變數平行化	16
第四章模擬結果	19
4.1模擬資料介紹	19
4.2時間比較	20
4.3預測正確度比較	27
第五章研究結論與建議	29
5.1結論	29
5.2建議	30
附表	31
參考文獻	34
中文文獻:	34
英文文獻	34
表 1 預測變數平行化演算法 預測變數平行化演算法 預測變數平行化演算法  10
表 2 節點平行化演算法 節點平行化演算法 節點平行化演算法  11
表 3 模擬代號介紹 模擬代號介紹  20
表 4 M04M04M0和 M1 法在 1~61~6 萬筆資料下運算時間 萬筆資料下運算時間 萬筆資料下運算時間  21
表 5 M 0和 M2 法在 1~61~6 萬筆資料下運算時間 萬筆資料下運算時間 萬筆資料下運算時間  23
表 6 M06M06M0、M1 和 M2 法在 90~10090~10090~100 90~10090~100萬筆資料下運算時間 萬筆資料下運算時間 萬筆資料下運算時間  26
圖 1 研究流程圖 研究流程圖  3
圖 2 決策樹結構  6
圖 3 資料平行化分割示意圖 資料平行化分割示意圖 資料平行化分割示意圖 資料平行化分割示意圖  15
圖 4 M04M04M0和 M1 法在 1~61~6 萬筆資料下運算時間 萬筆資料下運算時間 萬筆資料下運算時間  21
圖 5 M05M05M0和 M2 法在 1~61~6 萬筆資料下運算時間 萬筆資料下運算時間 萬筆資料下運算時間  23
圖 6 M06M06M0、M1 和 M2 法在 1~1001~1001~1001~1001~100萬筆資料下運算時間 萬筆資料下運算時間 萬筆資料下運算時間  24
圖 7 M0 、M1 和 M2 法在 90~10090~10090~100 90~10090~100萬筆資料下運算時間 萬筆資料下運算時間 萬筆資料下運算時間  25
圖 8 M0 、M1 和 M2 標準差 (紫色為 M0 和 M2 法，綠色為 法，綠色為 M1 法)  27

王派洲譯；Han, J., Kamber, M.著(2008)，資料探勘：概念與方法，臺中市：滄海。
陳景祥(2010)，R軟體：應用統計方法，臺北市：台灣東華。
Breiman, L. ,(2001), Random Forests, Machine Learning, 45, 5-32.
Breiman, L., Friedman, J.H., Olshen, R.A. and Stone, C.J., (1984).Classification and regression trees. Wadsworth.
Yildiz, O.T., Dikmen, O.,(2006),Parallel univariate decision trees,Pattern Recognition Letters 28 (2007) 825–832
Shafer, J., Agrawal, R., Mehta, M.,(1996), SPRINT: A Scalable Parallel Classifier for Data Mining.
Jin, R., Agrawal, G.,(2003), Communication and Memory Efficient Parallel DecisionTree Construction. In: Proceedings of Third SIAM Conferenceon Data Mining.
Jochen,K., Christine, P., Harald, B., Guido, S.,(2009), Easier Parallel Computing in R withsnowfall and sfCluster, The R Journal Vol. 1/1.
Weston, S., (2013), Getting Started with doMC and foreach.
Hothorn, T., Zeileis, A., partykit: A Toolkit for Recursive Partytioning