R语言笔记之数据科学算法总结

最新推荐文章于 2024-09-29 09:29:47 发布

鲁鲁酱1996

最新推荐文章于 2024-09-29 09:29:47 发布

阅读量1k

点赞数

分类专栏：机器学习之R语言基础文章标签： r语言算法

本文链接：https://blog.csdn.net/lulujiang1996/article/details/79065063

版权

这篇博客详细总结了R语言中数据科学的各种算法，包括回归算法如最小二乘回归和逻辑回归，实例基础的K近邻模型，特征选择的过滤、绕射和内嵌法，收缩方法如岭回归和LASSO，以及树模型、贝叶斯模型、核函数算法、聚类算法、关联法则、人工神经网络和深度学习等。此外，还涵盖了降维算法和集成算法的应用。

摘要由CSDN通过智能技术生成

1.回归算法(Regression)
a.一般最小二乘回归（Ordinary Least Squares）
b.逻辑回归(Logistic Regression)
c.自适应样条回归（Multivariate Adaptive Regression Splines,MARS）
d.局部估计散点图平滑回归(Locally Estimated Scatterplot Smoothing,LOESS)
2.基于相似性的模型（Instance-based Algorithms)
a.K近邻模型（K-Nearest Neighbour[KNN])
b.学习向量量化（Learning Vector Quantization[LVQ]）
c.自组织映射(Self-Organizing Map[SOM])
3.特征选择算法（Feature Selection Algorithms)
a.过滤法（filter)
b.绕射法（wrapper)
c.内嵌法（embedded）
4.收缩方法（Regularization Methods)
a.岭回归（K-Nearest Neighbour,KNN)
b.LASSO回归（Least Absolute Sprinkage and Selection Operator)
c.弹性网络（Elastic Net)
5.树模型
a.分类和回归树(Classification and Regression Tree,CART)
b.ID3(Iterative Dichotomiser