THU数据派

THU数据派"基于清华,放眼世界",以扎实的理工功底闯荡“数据江湖”。...

一文梳理数据科学家必备核心算法与常用模型

640?wx_fmt=png&wxfrom=5&wx_lazy=1

来源:数据科学DataScience

作者:Colleen M. F.

本文为你盘点数据科学家必备的核心机器学习算法和常用统计模型。


640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1


核心算法


  • 回归/分类树

  • 降维(PCA、MDS、tSNE等)

  • 经典的前馈神经网络

  • Bagging ensembles方法(随机森林、KN N回归集成)

  • Boostingensembles方法(梯度提升、XGBoost算法)

  • 参数调整或设计方案的优化算法(遗传算法,量子启发式演化算法,模拟退火/simulated annealing,粒子群优化/ particle-swarm optimization)

  • 拓扑数据分析工具,特别适用于小样本量的无监督学习(持续同调/persistent homology,Morse-Smale聚类,Mapper ...)

  • 深度学习架构(通用深度学习架构)

  • 用于局部建模的KNN方法(回归,分类)

  • 基于梯度的优化方法/Gradient-based optimization methods

  • 网络度量/Network metrics和算法(中心度量,跳数,多样性,熵,拉普拉斯算子,疫情传播/epidemic spread,谱聚类/spectral clustering)

  • 深层架构中的卷积和池化层/pooling layers(特别适用于计算机视觉和图像分类模型)

  • 分层聚类(与k均值聚类和拓扑数据分析工具相关)

  • 贝叶斯网络(路径挖掘/pathway mining)

  • 复杂性和动态系统(与微分方程有关)

此外,部分领域还可能需要与自然语言处理、计算机视觉相关算法。


640?wx_fmt=jpeg


常用模型


  • 广义线性模型(是多数监督机器学习方法的基础,如逻辑回归和Tweedie回归)

  • 时间序列方法(ARIMA,SSA,基于机器学习的方法)

  • 结构方程建模(针对潜变量之间关系进行建模)

  • 因子分析(调查设计和验证的探索型分析)

  • 功效分析/试验设计(特别是基于仿真的试验设计,以避免分析过度)

  • 非参数检验(MCMC)

  • K均值聚类

  • 贝叶斯方法(朴素贝叶斯,贝叶斯模型平均/Bayesian model averaging,贝叶斯适应性试验/Bayesian adaptive trials等)

  • 惩罚性回归模型(弹性网络/Elastic Net,LASSO,LARS ...)以及对通用模型(SVM,XGBoost ...)加罚分,这对于预测变量多于观测值的数据集很有用,在基因组学和社会科学研究中较为常用)

  • 样条模型/Spline-based models(MARS等):主要用于流程建模

  • 马尔可夫链和随机过程(时间序列建模和预测建模的替代方法)

  • 缺失数据插补方法及其假设(missForest,MICE ...)

  • 生存分析/Survival analysis(主要特点是考虑了每个观测出现某一结局的时间长短)

  • 混合建模/Mixture modeling

  • 统计推断和组群测试(A/B测试以及用于营销活动的更复杂的方法)


备注:

1.本文原作者:Colleen M. Farrelly,源文URL: 

https://www.kdnuggets.com/2018/04/ key-algorithms-statistical-models-aspiring-data-scientists.html

2.本文由朝乐门负责翻译与编辑。

3.欢迎文末留言提出补充和修改意见。


640?wx_fmt=png

640?wx_fmt=jpeg

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭