数据挖掘十大算法总结--核心思想,算法优缺点,应用领域,数据挖掘优缺点
•分类算法:C4.5,CART,Adaboost,NaiveBayes,KNN,SVM
•聚类算法:KMeans
•统计学习:EM
•关联分析:Apriori
•链接挖掘:PageRank
其中,EM算法虽可以用来聚类,但是由于EM算法进行迭代速度很慢,比kMeans性能差很多,并且KMeans算法 聚类效果没有比EM差多少,所以一般用kMeans进行聚类,而不是EM。EM算法的主要作用是用来进行参数估计,故将其分入统计学习类。SVM算法在回归分析,统计方面也有不小的贡献,并且在分类算法中也占有一定地位,思考了下还是将SVM分入分类算法中。
分类算法--C4.5
•核心思想:以信息增益率为衡量标准实现对数据归纳分类
•算法优点:产生的分类规则易于理解,准确率较高
•算法缺点:在构造树的过程中,需要对数据集进行多次的顺序扫描和排序,因而导致算法的低效
•分类算法:C4.5,CART,Adaboost,NaiveBayes,KNN,SVM
•聚类算法:KMeans
•统计学习:EM
•关联分析:Apriori
•链接挖掘:PageRank
其中,EM算法虽可以用来聚类,但是由于EM算法进行迭代速度很慢,比kMeans性能差很多,并且KMeans算法 聚类效果没有比EM差多少,所以一般用kMeans进行聚类,而不是EM。EM算法的主要作用是用来进行参数估计,故将其分入统计学习类。SVM算法在回归分析,统计方面也有不小的贡献,并且在分类算法中也占有一定地位,思考了下还是将SVM分入分类算法中。
分类算法--C4.5
•核心思想:以信息增益率为衡量标准实现对数据归纳分类
•算法优点:产生的分类规则易于理解,准确率较高
•算法缺点:在构造树的过程中,需要对数据集进行多次的顺序扫描和排序,因而导致算法的低效