有用的十大算法
发布日期:2021-10-19 19:33:08 浏览次数:1 分类:技术文章

本文共 2249 字,大约阅读时间需要 7 分钟。

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算法的优点,并在以下几方面对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) 能够完成对连续属性的离散化处理;

  4) 能够对不完整数据进行处理。

  C4.5算法有如下优点: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,需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。

  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 将支持向量机和其他分类器进行了比较。

  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,所有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。

  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创始人之一拉里·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根据网站的外部链接和内部链接的数量和质量俩衡量网站的价值。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。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。

  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,以及上次的总体分类的准确率,来确定每个样本的权 值。将修改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最近邻(k-Nearest Neighbor,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。同时,NBC模型所需估计的参数很少,对缺失数据不太敏感,算法也比较简单。理论上,NBC模型与其他分类方法相比具有最小的误差率。 但是实际上并非总是如此,这是因为NBC模型假设属性之间相互独立,这个假设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 性个数比较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。

  至于18种候选算法,可参考这里:

转载地址:https://blog.csdn.net/u013494310/article/details/19477457 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:深入理解hadoop(一)----Common的实现----Configuration
下一篇:Struts2 VS Struts1

发表评论

最新留言

表示我来过!
[***.240.166.169]2024年03月24日 21时54分32秒

关于作者

    喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!

推荐文章

手机gps信息提取并储存到本地_通信人的实用技巧,如何在日常拍的照片里提取GPS位置信息... 2019-04-21
mysql5717开发设置怎么调回来_mysql 5.7.17 安装配置方法图文教程 2019-04-21
微信小程序 获取当前手机的可视_转载 JS获取当前手机浏览器可视区域大小 2019-04-21
ubuntu安装grafana_Ubuntu 16.04 安装Grafana并配置监控(Grafana + MySQL) 2019-04-21
图上上传页面设计_福利活动丨四周年专题页面今日上线,参与活动领取狼蛛新皮肤!... 2019-04-21
java number 相加_Java 中的数据流和函数式编程 2019-04-21
mysql 物流系统_物流配送管理系统(ssm,mysql) 2019-04-21
mysql 字段关键字冲突_python mysql 字段与关键字冲突的解决方式 2019-04-21
html360搜索框代码,HTML 代码标签 2019-04-21
html创建自定义函数,jquery怎么自定义函数 2019-04-21
mysql 运行 compile_install mysql by compile(通过编译安装mysql) 2019-04-21
java数字时钟控件_Java-数字时钟(简易版) 2019-04-21
python回到首行_python读取文件首行和最后一行 2019-04-21
java 全局变量 局部变量的区别_java中全局变量和局部变量的区别是什么? 2019-04-21
rust蓝卡怎么开_Rust娘个人资料简介,角色作品介绍 2019-04-21
将10个成绩排序java程序_快速排序——成绩排序 2019-04-21
java+map申明_Java中两种HashMap申明方式区别? 2019-04-21
myftpadmin+proftpd+mysql架设ftp服务器_[教程]在CentOS7上配置 FTP服务器 Proftpd 支持 MySQL 虚拟用户加密认证以及磁盘限额(Quota)... 2019-04-21
Java三层结构的概念_Java中的mvc和三层结构究竟是什么关系 2019-04-21
java中时刻显示时间的插件_Java中bootstrap-datetimepicker时间插件的使用 2019-04-21