文档介绍：会计学
1
数据挖掘十大算法(suàn fǎ)总结
第一页，共12页。
《数据挖掘领域十大经典(jīngdiǎn)算法初探》
,
k-Means,
SVM,
Apriori,
EM,
PageRank,
AdaBoost,
kNN,
Naive Bayes,
CART
--------------------------
Rough Sets（18）
第1页/共12页
第二页，共12页。
《数据挖掘领域(lǐnɡ yù)十大经典算法初探》
，是机器学****算法中的一个分类决策树算法，ID3的改进算法。
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(zuòwéi)当前节点的分类条件。
：
1、用信息增益率来选择属性。
区别就在于一个是信息增益，一个是信息增益率。
因此，。
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。
第2页/共12页
第三页，共12页。
《数据挖掘领域(lǐnɡ yù)十大经典算法初探》
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。
非监督(jiāndū)算法
*K人为指定。（未必能得到最优解）
K-Means
第3页/共12页
第四页，共12页。
《数据挖掘领域(lǐnɡ yù)十大经典算法初探》
Support vector machines
它是一种监督式学****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(kōngjiān)里，在这个空间(kōngjiān)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s大，分类器的总误差越小。
SVM
第4页/共12页
第五页，共12页。
《数据挖掘领域十大经典(jīngdiǎn)算法初探》
The Apriori algorithm
Apriori算法基本思想：统计多种商品(shāngpǐn)一次购买中共同出现的频次，将不同的搭配转换为不同的规则。
其核心是基于两阶段频集思想的递推算法。用上一次扫描数据库的结果产生本次的候选项目集，从而提升效率。
The Apriori algorithm
第5页/共12页
第六页，共12页。
《数据挖掘领域十大经典(jīngdiǎn)算法初探》
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****xuéxí)和计算机视觉的数据集聚（Data Clustering）领域。
EM
第6页/共12页
第七页，共12页。
《数据挖掘领域十大经典(jīngdiǎn)算法初探》
PageRank是Google算法的重要内容。
2001年9月被授予(shòuyǔ)美国专利，专利人是Google创始人之一拉里•佩奇（Larry Page）。
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。
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。
HITS
Page
Rank
第7页/共12页
第八页，共12页。
《数据挖掘领域十大经典(jīngdiǎn)算法初探》
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)。
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(shíxiàn)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