Effiziente Algorithmen zum Finden optimaler Entscheidungsbaumaufteilungen in Streaming- und massiv parallelen Modellen

In dieser Arbeit werden Datenstromalgorithmen präsentiert, die optimale Aufteilungen beim Entscheidungsbaumlernen berechnen. Für Regressions- und Klassifikationsprobleme werden effiziente Streaming-Algorithmen entwickelt, die sublineare Speicherplatzanforderungen und eine geringe Anzahl von Durchläufen durch den Datenstrom haben.