数据挖掘总介与PageRank

本文介绍了数据挖掘中的PageRank算法,详细讲解了链接分析、随机分布、Power Iteration以及PageRank过程中可能出现的采集器陷阱和终止点问题。通过Teleport解决这些问题,确保PageRank的正确收敛和网页重要性的准确衡量。
摘要由CSDN通过智能技术生成

说明,记录数据挖掘的博客都来源于coursera的公开课,目的也是为了自己总结,这些PPT都是截取的重要的概率和步骤。如果读者感兴趣可以参考https://class.coursera.org/mmds-001/lecture

上面会有视频资料和一些讲义

一、数据挖掘

数据挖掘包括上面几个分支,而今天集中在应用在Web中横梁网页重要性的pageRank算法。



二、链接分析

链接分析有如下算法:


其中的PageRank首先有两种衡量链接重要性的公式, 流模式和矩阵模式



AX = 人x, x是特征向量eigenvector, 人是特征值eigenvalue. 所以r是M的特征向量。 并且Mr<=1,因为M的最大特征向量是1.

M也叫转移矩阵,所以他是一个随机矩阵(对于强连通图,某列的和是1),反之,如果某列的和最多是1,即可能是0的转移矩阵称为亚随机矩阵(substochastic)


三、随机分布和power iteration



如何得到最后收敛的重要性衡量值r??使用power iteration. 其定义如下


四、PageRank会出现的两个问题

由于我们想要的结果是最后r正常收敛并且收敛的值能够正确的衡量各个网页节点的重要性。

 1.采集器陷阱, 出现的问题一是是不是会正常收敛??


   

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值