数据挖掘是大数据中重要的一部分,而分类是数据挖掘的核心技术之一。随着近年来研究的进行,有创新性的分类算法越来越多,而且这些算法正广泛地应用于大数据处理中。对于一些大数据处理任务,往往有几种甚至几十种相关的分类算法可供研究者选择,从这些算法中如何选择出适合的算法,是数据挖掘领域中公认的重要问题。另外,分类算法运行过程是否可靠、运行是否有效率等问题,也很难得到检验。基于以上原因,本文对特定数据环境下分类算法的选择问题进行了研究,具体内容如下:(1)介绍和分析了多准则决策(MCDM)、模糊集、模糊多属性决策(FMADM)的方法、聚合算子、分类算法以及分类算法的评价指标等关键技术,结合聚合算子对MCDM方法进行了改进,使之适合模型评价的环境。并对K近邻算法、神经网络算法、贝叶斯网络算法、C4.5算法、CPAR算法等基本分类算法进行了相应的研究。(2)利用模糊集理论改进了K近邻算法,并通过算法评价模型对模糊K近邻(FKNN)算法进行评价。引入模糊集的基本概念,对K近邻算法进行改进,在传统的K近邻分类算法的基础上,引入了模糊集理论,并结合了模糊C-means算法。利用隶属度的计算代替欧氏距离的计算,利用模糊C-means聚类样本数据,提高模糊K近邻分类的效率。之后,建立算法评价模型,对K近邻算法和用于对比实验的算法进行评价,以此检验算法有效性和评价模型的可靠性。(3)为了将算法评价模型扩展到大数据分类算法中使用,本文利用Hadoop框架的MapReduce技术,为改进的模糊K近邻算法做了并行化设计,并使用备选的五种算法分别处理相同的两组数据集,得到运行结果。运行结果包括真正率、真负率、查准率等在内的多个性能评分情况。(4)建立大数据分类算法评价和选优模型,对备选分类算法的数据运行结果,分别采用层次分析法(AHP)、TOPSIS方法和基于MSM算子的多属性决策方法对数据进行评价。在取得每种方法的评价结果后,将所有的评价结果进行二次知识发现,获得更具有可靠性的方案。