十大数据挖掘领域的经典算法

国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 早前评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART.

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。

来源：51cto

推荐阅读：

1.一个量化策略师的自白（好文强烈推荐）

2.股票期货经典的量化交易策略都在这里了！（源码）

3.期货/股票数据大全查询（历史/实时/Tick/财务等）

4.三分钟弄明白为什么贝叶斯是量化工作者最常用的工具

5.学习Python有哪些书籍？这里有一份书单送给你

6.江湖中常说的“网格交易法”到底是什么？

7.10种经典的日内交易策略模型思路

8.干货 | 量化选股策略模型大全

9.量化金融经典理论、重要模型、发展简史大全

十大数据挖掘领域的经典算法相关推荐

大数据的几大经典算法
大数据的几大经典算法一. 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 ...
IT专家的十大热门领域
导读:文章来自techrepublic.com,作者Debra Littlejohn Shinder,由译言网boxi编译<IT专家的十大热门领域>,IT领域的成功正在不断地与专业性紧密相 ...
（13.1.3）PMBOK之三：十大知识领域与具体过程
十大知识领域概述十大知识领域的逻辑关系推演十大知识领域逻辑关系的简单概括管理过程一览一. 整合管理 1.1 制定项目章程 1.2 制定项目管理计划 1.3 指导与管理项目工作 1.4 管理项目 ...
项目管理十大知识领域，为何不含
问:项目管理十大知识领域,为何不含以下几项:立项管理,合同管理,文档管理,变更管理? 答: 立项完了才有项目: 合同管理包含在采购管理: 变更管理在整体管理: 文档也算包含在整体管理,就是配置和结项. ...
项目管理十大知识领域（八）--- 项目干系人管理（过程、输入、工具和技术、输出）
项目管理十大知识领域(八)- 项目干系人管理 1.识别干系人输入项目章程采购文件事业环境因素组织过程资产工具干系人分析专家判断会议输出干系人登记册 2.规划干系人是管理输入项 ...
PMBOK十大知识领域及其管理过程
目录 1 概述 1.1 核心知识领域 1.2 辅助知识领域 1.3 项目整合管理 2 项目范围管理 2.1 管理过程 2.1.1 规划范围管理 2.1.2 收集需求 2.1.3 定义范围 2.1.4 ...
项目管理的五大过程组和十大知识领域
项目管理五大过程组: 1.启动过程组:获得授权,定义一个新项目或现有项目的一个新阶段,正式开始该项目或阶段的一组过程. 2.规划过程组:明确项目范围,优化目标,为实现目标而制定行动方案的一组过程. 3 ...
项目管理五大过程与十大知识领域
项目管理定义项目管理过程是为了完成预定的产品.成果或服务而执行的一系列相互联系的行动和活动. 五大过程组启动过程.规划过程.执行过程.监控过程.收尾过程. 启动过程组:获得授权,定义一个新项目或现 ...
信息系统项目管理师速记 - 十大知识领域
信息系统项目管理师速记 - 十大知识领域概观详览信息系统项目管理师速记 - 十大知识领域概观详览版权声明:转载必须注明本文转自 East196 的博客:http://blog.csdn.n ...

十大数据挖掘领域的经典算法

十大数据挖掘领域的经典算法相关推荐

最新文章

热门文章