• C4.5,是机器学习算法中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...

    一、C4.5

    C4.5,是机器学习算法中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。

    ID3选择属性用的是子树的信息增益,这里可以用很多方法来定义信息,ID3使用的是熵(entropy,熵是一种不纯度度量准则),

    也就是熵的变化值.

    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。

    一般来说率就是用来取平衡用的,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1m/s、其1s后为2m/s。

    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1m/s^2)来衡量,2个人就是一样的加速度。

    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。

     

    二、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(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、 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。

     

    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。

    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。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,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。

     

    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,

    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融合起来,作为最后的决策分类器。

    在这里我还是要推荐下我自己建的大数据学习交流qq裙:522189307 , 裙 里都是学大数据开发的,如果你正在学习大数据 ,小编欢迎你加入,大家都是软件开发党,不定期分享干货(只有大数据开发相关的),包括我自己整理的一份最新的大数据进阶资料和高级开发教程,欢迎进阶中和进想深入大数据的小伙伴。上述资料加群可以领取

    八、 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。

     

    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)。 

    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。

     

    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。

    展开全文
  • 机器学习大数据经典算法笔记汇总 一、总结 二、机器学习大数据算法 机器学习大数据经典算法笔记汇总 一、总结 前面的博文,介绍了很多TensorFlow 以及 DeepLeaning 的算法。这里做一个总结。 ...
  • 本文转载自科多大数据,大数据学习都要接触到算法。 本文先为初学者介绍了必知的十大机器学习(ML)算法,并且我们通过一些图解和实例生动地解释这些基本机器学习的概念。我们希望本文能为理解机器学习基本算法提供...
  • 需要告诉大家的是,大数据中的热词都是从以前的基础技术经过发展形成的,虽然内容不是新颖的,但是只有掌握了这些知识我们能够更好的应对大数据处理的工作,下面我们就给大家介绍一下大数据中的算法和深度学习。...
  • 大数据算法总结 2020-06-03 23:33:35
    本文档,整理总结了大数据平台相关知识,常用机器学习算法以及深度学习等算法方面的知识
  • 大数据常用算法及场景 2018-03-28 13:09:42
    大数据常用算法及场景 大数据的挖掘是从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程,也是一种决策支持过程。其主要基于人工智能,机器学习,模式...
  • C4.5,是机器学习算法中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。 ...
  • 客单价-用户单次购物花费金额)二、分析:落实到算法模型上,包含两个核心的问题2.1、优惠券发给谁,即客户群选择客户群选择实际上是预测买家的购买倾向,并依据购买倾向的强弱来给出排序的结果,落实到学习模型层面...
  • 1、 处理大数据的两种思维模式是什么? 处理大数据的问题主要是如何扩展计算能力,扩展计算能力的方案主要有以下两种: (1)超级计算机 分布式系统 问题:成本...大数据近似算法:利用采样(sampling)...
  • 大数据排序算法总结学习 2020-05-04 10:48:21
    1、对于很大的数据量,考虑多级索引和桶排序; 2、建立一个足够大的bit数组当作hash表,以bit数组的下标来表示一个整数,以bit位中的0或1来表示这个整数是否在这个数组中存在,适用于无重复原始数据的搜索,原来...
  • 大数据算法-哈尔滨工业大学-王宏志 全套课件 大数据算法-哈尔滨工业大学-王宏志 全套课件 大数据算法-哈尔滨工业大学-王宏志 全套课件
  • 本文转载自科多大数据 很多产品,真的是像表面看上去的推荐算法牛逼成就了他们吗?   记得在2007年,Yahoo发布了新的搜索广告系统Panama(内部可以看作是一个推荐算法),试图于Google的Adwords(个性化广告推荐...
  • 我对大数据算法的认知 2017-07-31 20:11:11
    0x00 前言总结一下自己对大数据算法认知的过程。正文包含两部分:对算法的认知过程和最终笔者对大数据算法的理解。写这篇博客的原因有很多,总的来讲有下面几点: 自己在算法的路上一直懵懵懂懂,现在刚刚有了一点点...
  • 大数据算法(概述) 2018-10-22 08:37:21
    大数据算法的难度 访问全部数据时间过长 读取部分数据 时间亚线性算法 数据难以放入内存计算 将数据存储到磁盘上 外存算法 仅基于少量数据进行计算 空间亚线性算法 单个计算机难以保存全部数据,计算需要整体...
  • 大数据算法大全 2020-06-06 23:30:23
    涉及数学相关的一些算法模型,特别适用于学习大数据算法的同学们
  • 大数据领域这个聚类算法真是起到了十分重要的作用,只有通过有效地聚类才能得到非常直观的结果。 有一个实验要求对比两种大数据聚类算法的性能,具体的代码也不是由我实现的,我只是改了一部分,主要还是博客...
  • 大数据推荐算法概念简述 2019-10-31 08:54:43
    在给新用户推荐电影的场景中,相似性推荐算法是如何工作的? 4、关联规则推荐 概念 如何给买啤酒的人推荐其他的食品? 5、个性化推荐 概念 快车司机接的单子越多,平台返的优惠卷越少 ...
  • 只是因为很喜欢算法和DM,加上最近在MOOC上学习一门HIT的《大数据算法》课程,收获很多特记录于此,也推荐一下MOOC的学习资源和学习平台。虽然开始算法的旅程太短,但它的神奇魔力深深吸引了我。在互联网时代发挥...
1 2 3 4 5 ... 20
收藏数 100,044
精华内容 40,017