大数据常用算法清单.pdfVIP

目录 大数据经典算法 2 一、C4.5 2 二、K-Means 算法 2 三、支持向量机 2 四、The Apriori algorithm 2 五、最大期望(EM)算法 2 六、 PageRan 3 七、AdaBoost 3 八、 kNN: k-nearest neighbor classification 3 九、 Naive Bayes 3 十、 CART: 分类与回归树 3 十一、mahout 算法集 4 大数据经典算法 一、C4.5 C4.5，是机器学习算法中的一个分类决策树算法， 二、K-Means 算法 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(本十大算法第五条)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。 三、支持向量机 支持向量机，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。 四、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。 五、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。 六、 PageRank PageRank 是Google 算法的重要内容。这个就是所谓的“链接流行度”——衡量多少人愿意 将他们的网站和你的网站挂钩。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，一般判断这篇论文的权威性就越高。 七、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，构成一个更强的最终分类器 (强分类器)。 其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确， 八、kNN: k-nearest neighbor classification K 最近邻(k-Nearest Neighbo ，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单 的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k 个最相似(即特征 空间中最邻近)的样本中的多数属于某一个类别，则该样本也属于这个类别。 九、 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）。 十、 CART: 分类与回归树 CART, Classification and Regression Trees。在分类树下面有两个关键的思想：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。 十一、mahout算法集 算法类 算法名 中文名 分类算法 Logistic Regression 逻辑回归 Bayesian 贝叶斯 Support Vector Machines 支持向量机 Perceptron and Winnow 感知器算法 Neural Networ 神经网络 Random Forests