面向决策分解的MapReduce模型

李放

（大连东软信息学院数字艺术与设计学院 辽宁省大连市 116000）

及时建立大数据，并从大数据中摒弃错误数据，提取准确的、有价值的因素，将这些因素进行分类、归纳、处理，以建立准确的数学模型，再将该模型应用到实际环境中去，反复论证，这一系列过程就是影响判断依据的关键。

1 决策分解

对大数据信息的处理，需要用到决策分解，因此将数据与决策相关联就成为了一个关键[2]。将数据以数学集合的方式进行呈现，如公式U={A,B,f}所示，其中U表示数据集合，A表示条件属性，B表示决策属性，满足条件A∪B=U，A∩B=∅，f是一函数，用来将条件属性和决策属性进行映射，数据转换，f(A,B)=σ，其中σ表示任意的数字，如表1所示。

通过一系列运算，将原来复杂的数据按照一定的规则进行分解，以达到简化的目地。在表1中，U={3,2,4,4}有4个数据，A={1,1,2,3}是条件属性集合，B={2,1,2,1}是决策属性集合，σ={1,0,0,-2}是映射值集合。在实际的数据运算中，数据集合量级巨大，对于条件属性和决策属性的影响也会随之变大，造成映射值的不稳定，从而影响决策分解的准确性。

与此同时，决策系统也是影响决策分解的重要因素之一。决策系统f(A,B)=σ需要根据不同的实际情况来进行构建，同时满足对条件因素的判断和使用，例如构建公式f(A,B)=-A+B=σ进行映射，该公式的条件值A是一个有限集合，该集合具有多个相同类型的数值，即A={x1,x2,x3,……xn}，其中xn代表数据值。下面对A进行分析。A是一个条件样本，该条件样本的每一个值具有类型相同，数值不同的特点，但是在实际的数据分析中，可能会出现数值相同的情况，因此就要进行分类处理，将相同数值的情况进行分类归纳，形成子集，即{y1,y2,y3,……yn}，每个样本都将是多个子集的集合。