[轉]演算法的簡單歸類。大資料常用演算法

標籤：迴歸   學習   高斯   網頁   情況   class   引擎   介紹   推薦演算法   

無論是機器學習、模式識別、資料採礦、統計學習、電腦視覺、語音辨識、自然語言處理都涉及到演算法。

1.樹：決策樹(Decision Tree)是在已知各種情況發生機率的基礎上，通過構成決策樹來求取淨現值的期望值大於等於零的機率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用機率分析的一種圖解法。由於這種決策分支畫成圖形很像一棵樹的枝幹，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關係。Entropy = 系統的淩亂程度，使用演算法ID3, C4.5和C5.0產生樹演算法使用熵。這一度量是基於資訊學理論中熵的概念。

ID3演算法： 網頁連結

決策樹： 網頁連結

基於 R 語言和 SPSS 的決策樹演算法介紹及應用：網頁連結

 

機器學習從入門到放棄之決策樹演算法：網頁連結

演算法雜貨鋪——分類演算法之決策樹(Decision tree)：網頁連結

集體智慧編程——決策樹建模（上）：網頁連結

集體智慧編程——決策樹建模（下）：網頁連結

2.迴歸：在大部分機器學習課程中，迴歸演算法都是介紹的第一個演算法。原因有兩個：一.迴歸演算法比較簡單，介紹它可以讓人平滑地從統計學遷移到機器學習中。二.迴歸演算法是後面若干強大演算法的基石，如果不理解迴歸演算法，無法學習那些強大的演算法。迴歸演算法有兩個重要的子類：即線性迴歸和羅吉斯迴歸。

這七種迴歸分析技術，學了不後悔~：網頁連結

說說高斯過程迴歸：網頁連結

簡單的R羅吉斯迴歸嚮導：網頁連結

3.貝葉斯：貝葉斯定理用於投資、決策、分析是在已知相關項目B的資料，而缺乏論證項目A的直接資料時，通過對B項目的有關狀態及發生機率分析推導A項目的狀態及發生機率。貝葉斯公式(發表於1763年)為: P(H[i]/A)=P(H[i])*P(A│H[i]) / {P(H[1])*P(A│H[1]) +P(H[2])*P(A│H[2])+…+P(H[n])*P(A│H[n])}

演算法雜貨鋪——分類演算法之貝葉斯網路(Bayesian networks)：網頁連結

演算法雜貨鋪——分類演算法之樸素貝葉斯分類(Naive Bayesian classification)：網頁連結

樸素貝葉斯法：網頁連結

多種貝葉斯模型構建及文本分類的實現：網頁連結

樸素貝葉斯分類之垃圾簡訊識別：網頁連結

R語言與資料分析之三：分類演算法1：網頁連結

4 svm：支援向量機演算法是誕生於統計學習界，同時在機器學習界大放光彩的經典演算法。

支援向量機：網頁連結

5 神經網路：神經網路(也稱之為人工神經網路，ANN)演算法是80年代機器學習界非常流行的演算法，不過在90年代中途衰落。現在，攜著“深度學習”之勢，神經網路重裝歸來，重新成為最強大的機器學習演算法之一，在這基礎上有RNN,CNN等。

反向傳播神經網路極簡入門：網頁連結

 

遞迴神經網路（RNN）在語義識別方面的應用: 網頁連結

BP神經網路模型與學習演算法：  網頁連結

6 聚類–KNN ，k-means, EM等：

k近鄰法（knn)：網頁連結

Python實戰之KNN實現：網頁連結

演算法雜貨鋪——k均值聚類(K-means)：網頁連結

EM演算法: 網頁連結

7 降維:很多演算法中，降維演算法成為了資料預先處理的一部分，如PCA。事實上，有一些演算法如果沒有降維預先處理，其實是很難得到很好的效果的。

四大機器學習降維演算法：PCA、LDA、LLE、Laplacian Eigenmaps  網頁連結

 

8 關聯規則演算法:關聯演算法是資料採礦中的一類重要演算法。1993年,R.Agrawal等人首次提出了挖掘顧客交易資料中項目集間的關聯規則問題，其核心是基於兩階段頻繁集思想的遞推演算法。該關聯規則在分類上屬於單維、單層及布爾關聯規則，典型的演算法是Aprior演算法。

FP_growth演算法：網頁連結

關聯規則之Aprior演算法(購物籃分析):網頁連結

9 推薦演算法大致可以分為三類：基於內容的推薦演算法、協同過濾推薦演算法和基於知識的推薦演算法。

 

探索Recommendation Engine內部的秘密，第 1 部分: Recommendation Engine初探：網頁連結

探索Recommendation Engine內部的秘密，第 2 部分: 深入Recommendation Engine相關演算法 – 協同過濾：網頁連結

探索Recommendation Engine內部的秘密，第 3 部分: 深入Recommendation Engine相關演算法 – 聚類：網頁連結

 

其它

 

社區劃分——Label Propagatio：網頁連結

感知機：網頁連結

一文搞懂HMM（隱馬爾可夫模型）:網頁連結

 

轉載請註明：人人都是資料咖 » 演算法的簡單歸類–看完這些頓時感覺演算法不再那麼神秘了

[轉]演算法的簡單歸類。大資料常用演算法