針對經(jīng)典C4.5決策樹算法存在過度擬合和伸縮性差的問題，提出了一種基于Bagging的決策樹改進算法，并基于MapReduce模型對改進算法進行了并行化。首先，基于Bagging技術(shù)對C4.5算法進行了改進，通過有放回采樣得到多個與初始訓(xùn)練集大小相等的新訓(xùn)練集，并在每個訓(xùn)練集上進行訓(xùn)練，得到多個分類器，再根據(jù)多數(shù)投票規(guī)則集成訓(xùn)練結(jié)果得到最終的分類器；然后，基于MapReduce模型對改進算法進行了并行化，能夠并行化處理訓(xùn)練集、并行選擇最佳分割屬性和最佳分割點，以及并行生成子節(jié)點，實現(xiàn)了基于MapReduce Job工作流的并行決策樹改進算法，提高了對大數(shù)據(jù)集的分析能力。實驗結(jié)果表明，并行Bagging決策樹改進算法具有較高的準(zhǔn)確度與敏感度，以及較好的伸縮性和加速比。