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》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘领域卜大经典算法初探（转）标签：数拥挖掘经典算法16小时前国际权威的学术组织1CDM,T06年12月年评选出的数据挖掘领域的十人经典算法：C4.5,k-Means,SVM,Apriori,EM,PageRank,AdaBoost,kNN,NaiveBayes,andCART,以下就是从参加评选的18种候选算法中，最终决选出来的十大经典算法：一、C4.5C4.5,是机器学习算法屮的一个分类决策树算法，它是决策树（决策树也就是做决策的节点间的组织方式像一棵树，其实是一个倒树）核心算法ID3的改进算法，所以基本上了解了一半决策树构造方法就能构造它。决策树构造方法其实就是每次选择一

2、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、用信息增益率來选择属性。ID3选择属性用的是了树的信息增益，这里可以用很多方法来定义信息,ID3使用的是^（entropy,爛是一种不纯度度量准则），也就是爛的变化值。而C4.5用的是信息增益率。对，区别就在于一个是信息增益，一个是信息增益率。一般來说率就是用來収平衡用的，就像方差起的作用差不多,比如有两个跑步的人，一个起点是10m/s的人、其10s后为20m/s；另一个人起速是lm/s、JtIs后为2m/so如果紧紧算差值那么两个差距就很大了，如果使用速度增加率（加速度，即都是为lm/sA2）來衡量

3、，2个人就是一样的加速度。因此，C4.5克服了ID3用信息増益选择属性时偏向选择取值多的属性的不足。2、在树构造过程屮进行剪枝，在构造决策树的时候，那些挂着儿个元素的节点，不考虑最好，不然容易导致overfittingo3、対非离散数据也能处理。4、能够对不完整数据进行处理。二、Thek-mcansalgorithm即K-Mcans算法k-meansalgorithm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

4、样组内部的均方谋差总和最小。三、Supportvectormachines支持向量机，英文为SupportVectorMachine,简称SV机(论文中般简称SVM)。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跆离最大化。假定平行超平面间的距离或差距越大，分类器的总谋差越小。一个极好的指南是C.J.CBurges的《模式识别支持向量机指南》。vanderWalt和Barnard将支持向量机和其他分类器进彳

5、亍了比较。四、TheApriorialgorithmApriori算法是一种最冇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。五、最大期望(EM)算法在统计计算屮，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(LatentVariabl)。最人期望经常川在机器学习和让算机视觉的数据集聚(DataClusterin

6、g)领域。/、PageRankPagcRank是Google算法的重要内容。2001年9刀被授予美国专利，专利人是Google创始人Z一拉里•佩奇(LarryPage)。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來命名的。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。这个就是所谓的“链接流行度”一一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

7、人引述的次数越多，一般判断这篇论文的权威性就越高。七、AdaBoostAdaboost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介起來，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來实现的，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，來确定每个样木的权值。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融合起来，作为最后的决策分类器。丿I、kN