
课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
我们在前几期的文章中给大家简单介绍了数据挖掘相关的基础知识等内容,许多同学表示非常感兴趣,今天我们就继续来了解一下,数据挖掘技术都有哪些算法类型。
1、分类决策树算法C4.5
C4.5,是机器学习算法中的一种分类决策树算法,它是决策树(决策树,就是做决策的节点间的组织方式像一棵倒栽树)核心算法ID3的改进算法。
2、K平均算法
K平均算法(k-meansalgorithm)是一个聚类算法,把n个分类对象根据它们的属性分为k类(k
3、支持向量机算法
支持向量机**(SupportVectorMachine)算法,简记为SVM,是一种监督式学习的方法,广泛用于统计分类以及回归分析中。
4、TheApriorialgorithm
Apriori算法是一种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“频繁项集”思想的递推算法。其涉及到的关联规则在分类上属于单维、单层、布尔关联规则。
5、大期望(EM)算法
大期望(EM,Expectation–Maximization)算法是在概率模型中寻找参数大似然估计的算法,其中概率模型依赖于无法观测的隐藏变量。大期望经常用在机器学习和计算机视觉的数据集聚领域。
6、PageRank算法
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。
7、AdaBoost迭代算法
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,构成一个更强的终分类器(强分类器)。
8、kNN近邻分类算法
K近邻(k-NearestNeighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是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个相似(即特征空间中邻近)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、NaiveBayes朴素贝叶斯算法
NaiveBayes算法通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,并选择具有大后验概率的类作为该对象所属的类。朴素贝叶斯模型所需估计的参数很少,对缺失数据不太敏感,其算法也比较简单。
10、CART:分类与回归树算法。
分类与回归树算法(CART,ClassificationandRegressionTrees)是分类数据挖掘算法的一种,有两个关键的思想:一个是关于递归地划分自变量空间的想法;二个想法是用验证数据进行剪枝。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei456学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。