数据挖掘十大经典算法

国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法:C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART.

不不过选中的十大算法,事实上參加评选的18种算法,实际上随便拿出一种来都能够称得上是经典算法,它们在数据挖掘领域都产生了极为深远的影响。

 

1. C4.5

C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法.  C4.5算法继承了ID3算法的长处,并在下面几方面对ID3算法进行了改进:

1) 用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足;
    2) 在树构造过程中进行剪枝;
    3) 可以完毕对连续属性的离散化处理;
    4) 可以对不完整数据进行处理。

C4.5算法有例如以下长处:产生的分类规则易于理解,准确率较高。其缺点是:在构造树的过程中,须要对数据集进行多次的顺序扫描和排序,因而导致算法的低效。

 

2. The k-means algorithm 即K-Means算法

k-means algorithm算法是一个聚类算法,把n的对象依据他们的属性分为k个切割,k < n。它与处理混合正态分布的最大期望算法非常类似,由于他们都试图找到数据中自然聚类的中心。它如果对象属性来自于空间向量,而且目标是使各个群组内部的均 方误差总和最小。

 

3. Support vector machines

支持向量机,英文为Support Vector Machine,简称SV机(论文中一般简称SVM)。它是一种監督式學習的方法,它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更 高维的空间里,在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假 定平行超平面间的距离或差距越大,分类器的总误差越小。一个极好的指南是C.J.C Burges的《模式识别支持向量机指南》。van der Walt 和 Barnard 将支持向量机和其它分类器进行了比較。

 

4. The Apriori algorithm

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里,全部支持度大于最小支持度的项集称为频繁项集,简称频集。

 

5. 最大期望(EM)算法

在统计计算中,最大期望(EM,Expectation–Maximization)算法是在概率(probabilistic)模型中寻找參数最大似然 预计的算法,当中概率模型依赖于无法观測的隐藏变量(Latent Variabl)。最大期望经经常使用在机器学习和计算机视觉的数据集聚(Data Clustering)领域。

 

6. PageRank

PageRank是Google算法的重要内容。2001年9月被授予美国专利,专利人是Google创始人之中的一个拉里·佩奇(Larry Page)。因此,PageRank里的page不是指网页,而是指佩奇,即这个等级方法是以佩奇来命名的。

PageRank依据站点的外部链接和内部链接的数量和质量俩衡量站点的价值。PageRank背后的概念是,每一个到页面的链接都是对该页面的一次投票, 被链接的越多,就意味着被其它站点投票越多。这个就是所谓的“链接流行度”——衡量多少人愿意将他们的站点和你的站点挂钩。PageRank这个概念引自 学术中一篇论文的被引述的频度——即被别人引述的次数越多,一般推断这篇论文的权威性就越高。

 

7. AdaBoost

Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的终于分类器 (强分类器)。其算法本身是通过改变数据分布来实现的,它依据每次训练集之中每一个样本的分类是否正确,以及上次的整体分类的准确率,来确定每一个样本的权 值。将改动过权值的新数据集送给下层分类器进行训练,最后将每次训练得到的分类器最后融合起来,作为最后的决策分类器。

 

8. kNN: k-nearest neighbor classification

K近期邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比較成熟的方法,也是最简单的机器学习算法之中的一个。该方法的思路是:假设一个样本在特征空间中的k个最类似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。

 

9. Naive Bayes

在众多的分类模型中,应用最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型(Naive Bayesian Model,NBC)。 朴素贝叶斯模型发源于古典数学理论,有着坚实的数学基础,以 及稳定的分类效率。同一时候,NBC模型所需预计的參数非常少,对缺失数据不太敏感,算法也比較简单。理论上,NBC模型与其它分类方法相比具有最小的误差率。 可是实际上并不是总是如此,这是由于NBC模型如果属性之间相互独立,这个如果在实际应用中往往是不成立的,这给NBC模型的正确分类带来了一定影响。在属 性个数比較多或者属性之间相关性较大时,NBC模型的分类效率比不上决策树模型。而在属性相关性较小时,NBC模型的性能最为良好。

 

10. CART: 分类与回归树

CART, Classification and Regression Trees。 在分类树以下有两个关键的思想。第一个是关于递归地划分自变量空间的想法;第二个想法是用验证数据进行剪枝。

 

本文来源:http://blog.csdn.net/aladdina/

上面的10篇文章的摘要来源所有转载自网络搜索,百度百科内容最多,少量来自中文维基百科以及其它网页。

 

 

 

转载于:https://www.cnblogs.com/mengfanrong/p/4303736.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/376191.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

windows dmp文件为0kb

列出一些遇到的情况提供参考&#xff1a; 1、栈溢出&#xff0c;多次调用T2A函数会出现程序崩溃但是dmp为0kb的问题。

dynamic与var

dynamic与var示例 var是一种语法省略写法&#xff0c;编译器会根据上下文推断出正确的类型。 int[] scores new int[] { 1, 2, 7, 9, 8, 4, 6, 5 };foreach (var item in scores){Console.WriteLine(item);} 在大多数情况下&#xff0c;dynamic 类型与 object 类型的行…

线程间的消息(或数据)传递

使用“事件”可以实现线程间“消息/数据”的传递&#xff0c;非常棒的一种方法。转载于:https://www.cnblogs.com/changbaishan/p/3471113.html

gt9xx linux 移植_GT9XX驱动移植说明书_for_Android_2014011401.pdf

GT9XXforAndroid驱动移植说明书一、驱动基本信息支持芯片型号 GT911 GT9110 GT9110P GT913 GT915 GT918 GT927 GT928 GT960GT968 GT910 GT912 GT960F GT950 GT968F GT9158 GT967 GT9150GT963GT9271GT917DI2C设备地址(7位) 0x5d、0x14I2C寄存器地址 16位APK工具/ADB工具 支持自动…

spring-session之一:简介、使用及实现原理

一、背景 http session&#xff08;企业&#xff09;一直都是我们做集群时需要解决的一个难题&#xff0c;我们知道HttpSession是通过Servlet容器创建和管理的&#xff0c;像Tomcat/Jetty都是保存在内存中的。而如果我们把web服务器搭建成分布式的集群&#xff0c;然后利用LVS或…

How to check bad fix

最近做了一个backport的票&#xff0c;backport就是别人以前修复了这个bug&#xff0c;我只需要将fix移植到客户的系统中。这是一 个没有技术含量的票&#xff0c;遇到简单的票&#xff0c;三下五除二就解决了。但是遇到目标版本与master差别大时&#xff0c;也许backport后不好…

cad2017怎么改变选择方式_家用胎心仪怎么使用?建议孕妈妈选择数胎动的方式...

一般胎心仪都有说明书&#xff0c;孕妈妈可以根据说明书上的方法去做。 下面介绍比较通用的方法。时间&#xff1a;早中晚餐后的30-60分钟内 环境&#xff1a;周围没有电磁或辐射等干扰 辅助&#xff1a;耦合剂 步骤&#xff1a; 1、平躺&#xff0c;寻找适合胎心位置 在听胎心…

c#endread怎么打印出来_打印机打印出来是白板是怎么回事

引起针式打印纸空白的原因大多是由于色带油墨干涸、色带拉断、打印头损坏等&#xff0c;应及时更换色带或维修打印头。故障现象:针式打印机有打印声但打印空白。维修方法:具体解决方法如下:1) 检查打印机色带盒是否正确安装&#xff0c;如果安装不正确&#xff0c;重新安装色带…

使用dnspod遭遇的奇特问题以及背后的原因与临时解决方法

由于园子里有不少用户在使用dnspod&#xff0c;我们觉得有必要将这两天blogjava.net域名在dsnpod遇到的奇特问题分享一下&#xff0c;以免再有人踩着这个坑。 12月11日&#xff0c;我们登录到dnspod的后台时&#xff0c;大吃一惊&#xff0c;blogjava.net这个域名竟然消失了。 …

lgg6可以root的版本_Kali Linux 2020.1版本变更内容

kali2020.1于2020年1月28日发布&#xff0c;为2020年的第一个版本&#xff0c;由于此版本相较以前有较大变化&#xff0c;故专篇记录一下。根据官方说明&#xff0c;主要改变如下&#xff1a;默认用户改为非root用户针对不同需求出了单独的镜像文件nethunter改为非root用户改进…

随机生成六位不重复数值

在《Core JAVA》中有个随机生成六位不重复数值的算法&#xff0c;大二用过一次&#xff0c;今天在写《Algorithms》的练习题遇到类似的问题&#xff0c;特贴出&#xff01; 1 // 随机生成六位不重复的数字2 private static int generate6BitInt() {3 int[] arr {0, 1, 2, …

.net 代理类(WebService代理类的详解 )

http://hi.baidu.com/654085966/item/53ee8c0f108ad78202ce1b1d -----------转自 客户端调用Web Service的方式我现在知道的有三种,分别为Http_Get,Http_Post和通过代理类来调用 直接通过HTTP-GET和直接通过HTTP-POST来请求访问Web服务是非常底层的且麻烦,(详细用法请查看C#分…

icem密度盒怎么设置_怎么做好火灾自动报警系统施工安装?

关于火灾自动报警系统施工安装GB50166-2019 《火灾自动报警系统施工及验收标准》 中有明确规定&#xff1a;3.1 一般规定3.1.1 系统部件的设置应符合设计文件和现行国家标准《火灾自动报警系统设计规范》GB50116的规定。3.1.2 有爆炸危险性的场所&#xff0c;系统的布线和部件的…

Android 广播机制以及用法详解 (转)

转&#xff1a;http://blog.sina.com.cn/s/blog_5da93c8f010178zl.html 参考&#xff1a;http://blog.sina.com.cn/s/blog_80723de801014e2g.htmlhttp://blog.csdn.net/jjaze3344/article/details/7259272一、什么是广播&#xff1f;在android里面有各种各样的广播&#xff0c;…

erlzmq

ERROR REPORT 24-Dec-2013::17:01:43 The on_load function for module erlzmq_nif returned {error, {load_failed, "Failed to load NIF library: ./ebin/../priv/erlzmq_drv.so: ELF file OS ABI invalid"}} 发布到不同环境的服务器时报上面的错误&#xff0c;解决…

python岗位 上海_上海黑马Python24期,平均薪资10150元,16个工作日就业率70.73%

黑马程序员上海中心月薪一万只是起点关注网红遍地起&#xff0c;颜值即正义&#xff0c;要说哪个网红靠实力&#xff0c;Python当属第一&#xff01;Python作为时下最流行的一门网红语言&#xff0c;用一句话来证明它的实力就是&#xff1a;Python在手&#xff0c;天下我有&…

在IIS中部署Asp.net Mvc

概述&#xff1a; 最近在做一个MVC 3的项目&#xff0c;在部署服务器时破费了一番功夫&#xff0c;特将过程整理下来&#xff0c;希望可以帮到大家&#xff01; 本文主要介绍在IIS5.1、IIS6.0、IIS7.5中安装配置MVC 3的具体办法&#xff01; 正文&#xff1a; IIS5.1 1. 安装Mi…

idea在分屏拖不回来_朋友圈赏花晒照新玩法,宫格分屏视频!

∆ 点击上方【有科唠】一起涨姿势~近期的天气好的不要不要的&#xff0c;出去赏花是件很惬意的事情&#xff0c;继《城墙下》推出的近期赏花攻略&#xff0c;唠科粉们可以跟着攻略赏花一番&#xff0c;赏花的同时&#xff0c;大家肯定会发个朋友圈纪念一下&#xff0c;见过九宫…

MFC窗口实现最小化到托盘 右键菜单和还原

//.h文件 void toTray();//最小化到托盘 void DeleteTray();//删除托盘图标afx_msg LRESULT OnShowTask(WPARAM wParam,LPARAM lParam) ;//图标恢复//.cpp文件#define WM_SHOWTASK (WM_USER 1) #define IDR_SHOW 11 #define IDR_OTHER 12 #define IDR_EXIT 13 BEGIN_MESSAGE_MA…

Owner Useful links

1、AS3天地会论坛 http://bbs.9ria.com/forum.php 2、Cocoa China中文网 http://www.cocoachina.com/ 3、IT江湖 http://www.itjhwd.com/ 4、The Swift Programming Language in github https://github.com/numbbbbb/the-swift-programming-language-in-chinese 5、Xcode 工具 …