隨著科技的進步，Big-Data的時代正式來臨。在資料量急增下，電腦處理速度的改良已成為一項重要的發展技術。若將資料處理及分析的時間縮短，可以提早進行預測或判斷，平行化處理就是減少分析時間的一個方法。本研究探討資料探勘常被使用的決策樹方法與平行化運算的結合。我們改寫了CHAID決策樹在合併及判斷變數的運算法則，利用多核心計算，使決策樹的建構時間縮短。在結論中，模擬的結果顯示，當CPU 的核心為一顆以上時，CHAID決策樹的計算時間比單核心狀況明顯縮短。在處理更大的資料量時，我們節省的時間會有更明顯的差異。

As technology advances, the era of Big-Data has finally arrived. As the amount of data increases , the improvement of computing speed becomes an important development technology. If data training and analysis time are reduced, we could make the prediction or decision much earlier then expected. As a result, parallel computation is one of the methods which can reduce the analysis time. In this paper, we rewrite the CHAID decision tree algorithm for parallel computation and Big-Data capability. Our simulation results show that,  when the CPU has more than one kernel, the computation time of our improved CHAID tree is significantly reduced. When we have a huge amount of data, the difference of computation times is even more significant.

目錄
目錄	I
表目錄	III
圖目錄	IV
第一章 緒論	1
第一節 研究背景	1
第二節 研究動機與目的	3
第三節 論文結構	4
第二章 文獻探討	6
第一節 決策樹	6
第二節 CHAID 決策樹	8
第三節 平行化(Parallization)	10
第四節 決策樹平行化	11
第五節 大量資料分析的硬體限制	16
第三章 研究方法	19
第一節 R軟體套件運用	19
第二節 CHAID 套件運算流程	22
第三節 決策樹平行化	23
第一小節	CHAID決策樹	23
第二小節	平行化	24
第四節 混淆矩陣與分類正確率	26
第四章 模擬結果	27
第一節 資料簡介	27
第二節 時間比較	28
第三節 預測正確率的比較	36
第五章 結論與建議	39
第一節 結論	39
第二節 建議	40
參考文獻	42

 
表目錄
表 1 模擬代號表	28
表 2在IRIS下運算時間表	30
表 3在Adult下運算時間表(1)	32
表 4在Adult下運算時間表(2)	34


圖目錄
圖 1研究流程圖	5
圖 2 決策樹結構圖	7
圖 3 R軟體整數限制圖	17
圖 4 平行化範例圖	25
圖 5 在IRIS下運算時間的比較	30
圖 6 在Adult下運算時間的比較(1)	32
圖 7 在Adult下運算時間的比較(2)	34
圖 8 在Adult下做不同核心運算時間的比較	35
圖 9 在IRIS下不同方法的預測正確率箱型圖	36
圖 10 在Adult下不同方法的預測正確率箱型圖	37

中文文獻：
1.	陳景祥(2010)，R軟體：應用統計方法，二版，台北：台灣東華。
2.	李智慎(2013)，平行化處理在決策樹演算法之應用，碩士論文，淡江大學統計系應用統計所。
3.	劉欣陽等(2004)，「決策樹的併行策略」，計算機科學，31，8。

英文文獻：
1.	Adler et al. (2008). Large atomic data in R package 'ff'. Presentation at UseR!2008, statistics department, University of Dortmund.
2.	Hothorn, T.and Zeileis, A. (2014). partykit: A Modular Toolkit for Recursive Partytioning in R. Working Paper 2014-10. Working Papers in Economics and Statistics, Research Platform Empirical and Experimental Economics, Universitaet Innsbruck. URL http://EconPapers.RePEc.org/RePEc:inn:wpaper:2014-10
3.	Hunt, E., Martin, J., Stone, P. (1966). Experiments in Induction, New York, Academic Press
4.	Joshi ,M.J., Karypis , G., and Kumar, V. (1998). ScalParC : A New Scalable and Efficient Parallel Classification Algorithm for Mining Large Datasets, IPPS '98 Proceedings of the 12th. International Parallel Processing Symposium on International Parallel Processing Symposium
5.	Kane,M. J. et al.(2013). Scalable Strategies for Computing with Massive Data. Journal of Statistical Software, 55(14), 1-19. 
6.	Kass, G. V.(1980). An Exploratory Technique for Investigating Large Quantities of Categorical Data ,Applied Statistics, 29(2), 119-127.
7.	Li, W.L. and Xing, C.Z.(2010). Parallel Decision Tree Algorithm Based on Combination, International Forum on Information Technology and Applications - IFITA , 2010
8.	Mayer-Schonberger, V. and Cukier,K. (2012). Big Data: A Revolution That Transforms How we Work, Live, and Think, Houghton Mifflin Harcourt
9.	Narlikar,G.J.(1998). A Parallel, Multithreaded Decision Tree Builder, Technical Report CMU-CS-98-184
10.	Quinlan,J.R.(1986). Induction of decision trees, Machine Learning, 1 , 81-106.
11.	Rokach,L. and Maimon,O.(2008). Data mining with decision trees : theory and applications, World Scientific Pub Co Inc.
12.	Shafer, J.,Agrawal, R.,and Mehta, M. (1996). SPRINT:A Scalable Parallel Classifier for Data Mining, Morgan Kaufmann
13.	Srivastava,A ,Han,E.,Kumar, V.,and Singh,V. (1999) . Parallel Formulations of Decision-Tree Classification Algorithms, Data Mining and Knowledge Discovery, 3(3),  237-261.
14.	Torgo, L.(2011). Data mining with R : learning by case studies, Chapman & Hall
15.	Yildiz, O.T.and Dikmen, O.(2007). Parallel univariate decision trees, Pattern Recognition Letters, 28, 825-832.
16.	Yael, B.H. and Elad,T.T. (2010). A Streaming Parallel Decision Tree Algorithm, Journal of Machine Learning Research, 11(2010), 849-872