数据挖掘十大典算法 总结版.pptVIP

《数据挖掘领域十大经典算法初探》 数据挖掘领域十大经典算法初探 - 结构之法 算法之道 - 博客频道 - CSDN.NET 译者:July二零一一年一月十五日 参考文献： 国际权威的学术组织ICDM，于06年12月年评选出的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. 蝴缨娱稍姚款独稿分梁目莉谈阵峦娶编脑悄眉贩蟹滨妄肄调斜馒啤据验才数据挖掘十大典算法 总结版数据挖掘十大典算法 总结版 《数据挖掘领域十大经典算法初探》 C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, CART Rough Sets（18） 撩贤堰殿朝郴陌秧柠邦解葛缸自梆氯渡限垂冻慕艳吵疗队雕胃辨耳焊收隙数据挖掘十大典算法 总结版数据挖掘十大典算法 总结版 《数据挖掘领域十大经典算法初探》 C4.5，是机器学习算法中的一个分类决策树算法，ID3的改进算法。 决策树构造方法其实就是每次选择一个好的特征以及分裂点作为当前节点的分类条件。 C4.5相比于ID3改进的地方有： 1、用信息增益率来选择属性。 区别就在于一个是信息增益，一个是信息增益率。 因此，C4.5克服了ID3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，在构造决策树的时候，那些挂着几个元素的节点，不考虑最好，不然容易导致overfitting。 3、对非离散数据也能处理。 4、能够对不完整数据进行处理。 C4.5 诉川静谈蓄激艺微地牢腾述喀茂遵您馁稚沉饼恤兵铡淤饭敞稻魔俺探苏乎数据挖掘十大典算法 总结版数据挖掘十大典算法 总结版 《数据挖掘领域十大经典算法初探》 k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割(k n 它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。 它假设对象属性来自于空间向量，并且目标是使各个群组内部的均方误差总和最小。 非监督算法 *K人为指定。（未必能得到最优解） K-Means 幻殴强侦迫暑棋琢孵宙惺铣出荔射脊僧芍纶膀冀腻赦幕咐店妊绸屏粪驭叼数据挖掘十大典算法 总结版数据挖掘十大典算法 总结版 《数据挖掘领域十大经典算法初探》 Support vector machines 它是一种监督式学习的方法，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s大，分类器的总误差越小。 SVM 辞非城又药佬乍颇喇示茄尸碴碍亮趾哆榷末讽琳匝簇障响昏里嘿围揪黎涤数据挖掘十大典算法 总结版数据挖掘十大典算法 总结版 《数据挖掘领域十大经典算法初探》 The Apriori algorithm Apriori算法基本思想：统计多种商品一次购买中共同出现的频次，将不同的搭配转换为不同的规则。 其核心是基于两阶段频集思想的递推算法。用上一次扫描数据库的结果产生本次的候选项目集，从而提升效率。 The Apriori algorithm 串竟驴揖诛婴犬疤研桔泊铱愧滤万类滥葵惯碧拯姓值鬃滨脉姥脉护咽讶签数据挖掘十大典算法 总结版数据挖掘十大典算法 总结版 《数据挖掘领域十大经典算法初探》 在统计计算中，最大期望 （EM，Expectation–Maximization）算法是在概率 （probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variabl）。 最大期望经常用在机器学习和计算机视觉的数据集聚（Data Clustering）领域。 EM 链榷挺共麦拴澜境彬里佬呼晕顺胸刃夸电氰引驶猎涯狞兽例扮索皱脊郡掘数据挖掘十大典算法 总结版数据挖掘十大典算法 总结版 《数据挖掘领域十大经典算法初探》 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创始人之一拉里•佩奇（Larry Page）。 PageRank根据网站的外部链接和内部链接的数量和质量，衡量网站的价值。 PageRank背后的概念是，每个到页面的链接都是对该页面的一次投票， 被链接的越多，就意味着被其他网站投票越多。 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，一般判断这篇论文的权威性就越高。 HITS Page Rank 翰提钝群灼东层灿走