Top10MostCommonDataMiningAlgorithms

Unit

6TextBContents

NewWords

Abbreviations

Phrases參考譯文NewWordsNewWordsPhrasesPhrasesAbbreviationsListeningtoTextA十大最常見(jiàn)的數(shù)據(jù)挖掘算法1.C4.5算法C4.5是頂級(jí)數(shù)據(jù)挖掘算法之一，由RossQuinlan開(kāi)發(fā)。C4.5用于根據(jù)已分類(lèi)的一組數(shù)據(jù)以決策樹(shù)的形式生成分類(lèi)器。這里的分類(lèi)器是指一種數(shù)據(jù)挖掘工具，該工具獲取我們需要分類(lèi)的數(shù)據(jù)并嘗試預(yù)測(cè)新數(shù)據(jù)的類(lèi)別。每個(gè)數(shù)據(jù)點(diǎn)將具有自己的屬性。由C4.5創(chuàng)建的決策樹(shù)提出了有關(guān)屬性值的問(wèn)題，并根據(jù)這些值對(duì)新數(shù)據(jù)進(jìn)行分類(lèi)。標(biāo)記訓(xùn)練數(shù)據(jù)集，使C4.5成為監(jiān)督學(xué)習(xí)算法。決策樹(shù)始終易于解釋和說(shuō)明，與其他數(shù)據(jù)挖掘算法相比，這使C4.5快速且流行。2.K-均值算法K-均值是最常見(jiàn)的聚類(lèi)算法之一。它的工作方式是根據(jù)對(duì)象之間的相似性從一組對(duì)象中創(chuàng)建k個(gè)組。也許不能保證組成員將完全相似，但是與非組成員相比，組成員將更加相似。按照標(biāo)準(zhǔn)實(shí)現(xiàn)，K-均值是一種無(wú)監(jiān)督學(xué)習(xí)算法，因?yàn)樗鼰o(wú)需任何外部信息即可自行學(xué)習(xí)聚類(lèi)。參考譯文3.支持向量機(jī)就任務(wù)而言，支持向量機(jī)（SVM）的工作方式類(lèi)似于C4.5算法，但支持向量機(jī)根本不使用任何決策樹(shù)。支持向量機(jī)學(xué)習(xí)數(shù)據(jù)集并定義一個(gè)超平面以將數(shù)據(jù)分為兩類(lèi)。超平面是一條線的方程，看起來(lái)像“y=mx+b”。支持向量機(jī)會(huì)把數(shù)據(jù)擴(kuò)展映射到更高的維度。一旦映射，支持向量機(jī)便定義了最佳的超平面，將數(shù)據(jù)分為兩個(gè)類(lèi)別。4.先驗(yàn)算法先驗(yàn)算法通過(guò)了解關(guān)聯(lián)規(guī)則來(lái)工作。關(guān)聯(lián)規(guī)則是一種數(shù)據(jù)挖掘技術(shù)，用于了解數(shù)據(jù)庫(kù)中變量之間的相關(guān)性。一旦了解了關(guān)聯(lián)規(guī)則，就將其應(yīng)用于包含大量事務(wù)的數(shù)據(jù)庫(kù)。先驗(yàn)算法用于發(fā)現(xiàn)有趣的模式和相互關(guān)系，因此被視為無(wú)監(jiān)督學(xué)習(xí)方法。盡管該算法是高效的，但它會(huì)消耗大量?jī)?nèi)存、占用大量磁盤(pán)空間并花費(fèi)大量時(shí)間。參考譯文參考譯文5.期望最大化算法期望最大化（EM）用作聚類(lèi)算法，就像用于知識(shí)發(fā)現(xiàn)的K-均值算法一樣。EM算法以迭代方式工作，以更好地查看觀測(cè)數(shù)據(jù)。接下來(lái)，它估計(jì)帶有未觀察到的變量的統(tǒng)計(jì)模型的參數(shù)，從而生成一些觀察到的數(shù)據(jù)。EM算法也是無(wú)監(jiān)督學(xué)習(xí)方法，因?yàn)槲覀冊(cè)诓惶峁┤魏螛?biāo)記的類(lèi)信息的情況下使用它。6.PageRank算法PageRank通常被像谷歌等搜索引擎使用。它是一種鏈接分析算法，可確定對(duì)象網(wǎng)中鏈接的對(duì)象的相對(duì)重要性。鏈接分析是一種探索對(duì)象之間關(guān)聯(lián)的網(wǎng)絡(luò)分析。谷歌搜索通過(guò)了解網(wǎng)頁(yè)之間的反向鏈接來(lái)使用此算法。PageRank是谷歌用來(lái)確定網(wǎng)頁(yè)的相對(duì)重要性并將其在谷歌搜索引擎上排名更高的方法之一。PageRank商標(biāo)是谷歌的專(zhuān)有商標(biāo)，PageRank算法由斯坦福大學(xué)獲得專(zhuān)利。PageRank被視為一種無(wú)監(jiān)督學(xué)習(xí)方法，因?yàn)樗鼉H通過(guò)考慮鏈接即可確定相對(duì)重要性，而無(wú)需任何其他輸入。7.Adaboost算法Adaboost是用于構(gòu)建分類(lèi)器的提升算法。分類(lèi)器是一種數(shù)據(jù)挖掘工具，可獲取數(shù)據(jù)并根據(jù)輸入預(yù)測(cè)數(shù)據(jù)的類(lèi)別。提升算法是一種集成學(xué)習(xí)算法，可運(yùn)行多種學(xué)習(xí)算法并將其組合。提升算法吸收一組弱學(xué)習(xí)法，并將它們組合成一個(gè)單一的強(qiáng)學(xué)習(xí)法。弱學(xué)習(xí)法對(duì)數(shù)據(jù)進(jìn)行分類(lèi)的準(zhǔn)確性較低。弱算法的最佳示例是決策樹(shù)樁算法，它基本上是一個(gè)單步?jīng)Q策樹(shù)。Adaboost是完美的監(jiān)督學(xué)習(xí)，因?yàn)樗梢砸缘绞焦ぷ鳎⑶以诿看蔚校际褂脴?biāo)記的數(shù)據(jù)集訓(xùn)練較弱的學(xué)習(xí)法。Adaboost是一種簡(jiǎn)單且非常直接的算法。在用戶(hù)指定輪數(shù)之后，每次連續(xù)的Adaboost迭代都會(huì)為每個(gè)最佳學(xué)習(xí)法重新定義權(quán)重。這使Adaboost成為自動(dòng)調(diào)整分類(lèi)器的絕佳方式。Adaboost具有靈活性、多功能性和簡(jiǎn)潔性，因?yàn)樗梢院喜⒋蠖鄶?shù)學(xué)習(xí)算法并可以處理大量數(shù)據(jù)。

參考譯文8.KNN算法KNN是一種用作分類(lèi)算法的消極學(xué)習(xí)算法。消極學(xué)習(xí)法在訓(xùn)練過(guò)程中除了存儲(chǔ)訓(xùn)練數(shù)據(jù)外不會(huì)做任何事情。消極學(xué)習(xí)法僅在輸入新的未標(biāo)記數(shù)據(jù)作為輸入時(shí)才開(kāi)始分類(lèi)。另一方面，C4.5、SVN和Adaboost是積極學(xué)習(xí)法，它們?cè)谟?xùn)練過(guò)程中就開(kāi)始建立分類(lèi)模型。由于為KNN提供了標(biāo)記的訓(xùn)練數(shù)據(jù)集，因此將其視為監(jiān)督學(xué)習(xí)算法。9.樸素貝葉斯算法樸素貝葉斯不是單個(gè)算法，盡管可以將其視為單個(gè)算法。樸素貝葉斯是一組分類(lèi)算法。該算法家族使用的假設(shè)是，要分類(lèi)的數(shù)據(jù)的每個(gè)特征都獨(dú)立于該類(lèi)中給出的所有其他特征。樸素貝葉斯用提供給自己的帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)集來(lái)構(gòu)造表格。因此，它被視為監(jiān)督學(xué)習(xí)算法。參考譯文參考譯文10.CART算法CART代表分類(lèi)樹(shù)和回歸樹(shù)。它是一種決策樹(shù)學(xué)習(xí)算法，可將回歸樹(shù)或分類(lèi)樹(shù)作為輸出。在CART中，決策樹(shù)節(jié)點(diǎn)將恰好具有2