数据方法总结:
1、分类算法:
逻辑回归、决策树、支持向量机、最近邻、贝叶斯网络、神经网络
评价指标:精确率(precision)、F-Score、准确率(Accuracy)、召回率(Recall)、特效度(Specificity)、ROC曲线、AUC
2、回归算法:
线性回归、岭回归、lasso回归、Elastic回归、多项式回归、核回归
评价指标:R、R方、调整R方、因变量预测标准误差、总离差、自由度、平均离差、F值、F值的显著性水平、模型个例数
3、聚类算法:
k-means、DB-Scan、层次聚类、optics聚类
评价指标:RMSSTD、R Square、SRP、簇内间距离
4、降维算法
线性降维(PCA、LDA)、非线性降维(流形学习)
5、关联分析:
Apriori算法、FP-growth算法
评价指标:支持度、置信度、提升度
6、深度学习:
CNN、RNN、GAN
评价指标:根据任务的类型,与上述评价指标相同