ITPub博客

首页 > 大数据 > 数据挖掘 > 数据挖掘领域数据挖掘领域数据挖掘领域数据挖掘领域10大挑战性问题与十大经典算法

数据挖掘领域数据挖掘领域数据挖掘领域数据挖掘领域10大挑战性问题与十大经典算法

数据挖掘 作者:liqiang_666 时间:2013-05-01 20:56:55 0 删除 编辑

数据挖掘领域10大挑战性问题: 1.Developing a Unifying Theory of Data Mining  2.Scaling Up for High Dimensional Data/High Speed Streams  3.Mining Sequence Data and Time Series Data  4.Mining Complex Knowledge from Complex Data  5.Data Mining in a Network Setting  6.Distributed Data Mining and Mining Multi-agent Data 7.Data Mining for Biological and Environmental Problems  8.Data-Mining-Process Related Problems  9.Security, Privacy and Data Integrity  10.Dealing with Non-static, Unbalanced and Cost-sensitiv

数据挖掘十大经典算法 国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法:C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART. 不仅仅是选中的十大算法,其实参加评选的18种算法,实际上随便拿出一种来都可以称得上是经典算法,它们在数据挖掘领域都产生了极为深远的影响。 1. C4.5 C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点,并在以下几方面对ID3算法进行了改进: 1) 用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足; 2) 在树构造过程中进行剪枝; 3) 能够完成对连续属性的离散化处理; 4) 能够对不完整数据进行处理。 C4.5算法有如下优点:产生的分类规则易于理解,准确率较高。其缺点是: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。 2. The k-means algorithm 即K-Means算法 k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个群组内部的均 方误差总和最小。 3. Support vector machines 支持向量机,英文为Support Vector Machine,简称SV机(论文中一般简称SVM)。它是一种v愣绞絒x业姆椒ǎ??惴旱挠τ糜谕臣品掷嘁约盎毓榉治鲋小VС窒蛄炕??蛄坑成涞揭桓龈

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/23201161/viewspace-1119053/,如需转载,请注明出处,否则将追究法律责任。

上一篇: 没有了~
下一篇: 没有了~
请登录后发表评论 登录
全部评论

注册时间:2010-01-17

  • 博文量
    1
  • 访问量
    332