登录
首页精彩阅读数据挖掘中的经典算法都有哪些(二)
数据挖掘中的经典算法都有哪些(二)
2019-01-21
收藏


在上一篇文章中我们给大家介绍了很多数据挖掘的算法,这些算法在数据挖掘中做出了极大的贡献,如果我们要了解数据挖掘的话就不得不了解这些算法,下面我们就继续给大家介绍更多的数据挖掘的算法。


首先我们说的是The Apriori algorithm,Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里,所有支持度大于最小支持度的项集称为频繁项集,简称频集。这个算法是比较复杂的,但也是十分实用的。


接着给大家说一下最大期望算法,在统计计算中,最大期望算法是在概率模型中寻找参数最大似然估计的算法,其中概率模型依赖于无法观测的隐藏变量。最大期望经常用在机器学习计算机视觉的数据集聚领域。而最大期望算法在数据挖掘以及统计中都是十分常见的。


然后给大家介绍一下PageRank算法,PageRank是Google算法的重要内容。PageRank里的page不是指网页,而是创始人的名字,即这个等级方法是以佩奇来命名的。PageRank根据网站的外部链接和内部链接的数量和质量俩衡量网站的价值。PageRank背后的概念是,每个到页面的链接都是对该页面的一次投票,被链接的越多,就意味着被其他网站投票越多。这个就是所谓的“链接流行度”,这个标准就是衡量多少人愿意将他们的网站和你的网站挂钩。PageRank这个概念引自学术中一篇论文的被引述的频度——即被别人引述的次数越多,一般判断这篇论文的共识性就越高。


最后给大家说一下AdaBoost算法,Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器,然后把这些弱分类器集合起来,构成一个更强的最终分类器。其算法本身是通过改变数据分布来实现的,它根据每次训练集之中每个样本的分类是否正确,以及上次的总体分类的准确率,来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训练,最后将每次训练得到的分类器最后融合起来,作为最后的决策分类器。这种算法给数据挖掘工作解决了不少的问题。


我们在这篇文章中给大家介绍了数据挖掘十大经典算法的四种,我们在进行数据挖掘工作的时候还是需要对数据挖掘有一定的了解,尤其是算法的了解更加重要,只有掌握了这些算法我们才能够做好数据挖掘工作。

数据分析咨询请扫描二维码

客服在线
立即咨询