大數(shù)據(jù)常用算法清單

目錄TOC\o"1-5"\h\z\o"CurrentDocument"大數(shù)據(jù)經(jīng)典算法 2\o"CurrentDocument"一、C4.5 2\o"CurrentDocument"二、 K-Means算法 2三、 支持向量機(jī) 2\o"CurrentDocument"四、 TheApriorialgorithm 2五、 最大期望(EM)算法 2\o"CurrentDocument"六、 PageRank 3\o"CurrentDocument"七、 AdaBoost 3\o"CurrentDocument"八、 kNN:k-nearestneighborclassificatio.n 3\o"CurrentDocument"九、 NaiveBayes 3十、CART:分類與回歸樹(shù) 3十一、mahout算法集 4大數(shù)據(jù)經(jīng)典算法一、C4.5C4.5,是機(jī)器學(xué)習(xí)算法中的一個(gè)分類決策樹(shù)算法，二、 K-Means算法k-meansalgorithm算法是一個(gè)聚類算法，把n的對(duì)象根據(jù)他們的屬性分為k個(gè)分割（k<n）。它與處理混合正態(tài)分布的最大期望算法（本十大算法第五條）很相似，因?yàn)樗麄兌荚噲D找到數(shù)據(jù)中自然聚類的中心。它假設(shè)對(duì)象屬性來(lái)自于空間向量，并且目標(biāo)是使各個(gè)群組內(nèi)部的均方誤差總和最小。三、 支持向量機(jī)支持向量機(jī)，它是一種監(jiān)督式學(xué)習(xí)的方法，它廣泛的應(yīng)用于統(tǒng)計(jì)分類以及回歸分析中。支持向量機(jī)將向量映射到一個(gè)更高維的空間里，在這個(gè)空間里建立有一個(gè)最大間隔超平面。四、 TheApriorialgorithmApriori算法是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法。五、最大期望（EM）算法在統(tǒng)計(jì)計(jì)算中，最大期望（EM,Expectation-Maximization）算法是在概率（probabilistic）模型中尋找參數(shù)最大似然估計(jì)的算法，其中概率模型依賴于無(wú)法觀測(cè)的隱藏變量（ LatentDataClustering）領(lǐng)域。VariablDataClustering）領(lǐng)域。六、 PageRankPageRank是Google算法的重要內(nèi)容。這個(gè)就是所謂的“鏈接流行度”——衡量多少人愿意將他們的網(wǎng)站和你的網(wǎng)站掛鉤。PageRank這個(gè)概念引自學(xué)術(shù)中一篇論文的被引述的頻度——即被別人引述的次數(shù)越多，一般判斷這篇論文的權(quán)威性就越高。七、 AdaBoostAdaboost是一種迭代算法，其核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的分類器 (弱分類器)，然后把這些弱分類器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終分類器 (強(qiáng)分類器)。其算法本身是通過(guò)改變數(shù)據(jù)分布來(lái)實(shí)現(xiàn)的，它根據(jù)每次訓(xùn)練集之中每個(gè)樣本的分類是否正確，八、 kNN:k-nearestneighborclassificationK最近鄰(k-NearestNeighbor,KNN)分類算法，是一個(gè)理論上比較成熟的方法，也是最簡(jiǎn)單的機(jī)器學(xué)習(xí)算法之一。該方法的思路是：如果一個(gè)樣本在特征空間中的 k個(gè)最相似(即特征空間中最鄰近)的樣本中的多數(shù)屬于某一個(gè)類別，則該樣本也屬于這個(gè)類別。九、 NaiveBayes在眾多的分類模型中，應(yīng)用最為廣泛的兩種分類模型是決策樹(shù)模型 (DecisionTreeModel)和樸素貝葉斯模型(NaiveBayesianModel，NBC)。十、CART:分類與回歸樹(shù)CART,ClassificationandRegressionTrees在分類樹(shù)下面有兩個(gè)關(guān)鍵的思想：第一個(gè)是關(guān)于遞歸地劃分自變量空間的想法；第二個(gè)想法是用驗(yàn)證數(shù)據(jù)進(jìn)行剪枝。

mahout算法集算法類算法名中文名分類算法LogisticRegression邏輯回歸Bayesian貝葉斯SupportVectorMachines支持向量機(jī)PerceptronandWinnow感知器算法NeuralNetwork神經(jīng)網(wǎng)絡(luò)RandomForests隨機(jī)森林RestrictedBoltzmannMachines有限波爾茲曼機(jī)聚類算法CanopyClusteringCanopy聚類K-MeansClusteringK均值算法FuzzyK-Means模糊K均值ExpectationMaximizationEM聚類（期望最大化聚類）MeanShiftClustering均值漂移聚類HierarchicalClustering層次聚類DirichletProcessClustering狄里克雷過(guò)程聚類LatentDirichletAllocationLDA聚類SpectralClusteringMinhashClusteringTopDownClustering譜聚類關(guān)聯(lián)規(guī)則挖掘ParallelFPGrowthAlgorithm并行FPGrowth算法回歸LocallyWeightedLinearRegression局部加權(quán)線性回歸降維/維約簡(jiǎn)StochasticSingularValueDecomposition奇異值分解PrincipalComponentsAnalysis主成分分析IndependentComponentAnalysis獨(dú)立成分分析GaussianDiscriminativeAnalysis高斯判別分析進(jìn)化算法并行化了Watchmaker框架推薦/協(xié)冋過(guò)濾Non-distributedrecommendersTaste(UserCF,ItemCF,SlopeOne)

DistributedRecommendersItemCF向量相似度計(jì)算RowS