干貨：輕松看懂數(shù)據(jù)挖掘中的十大經(jīng)典算法

【計算機論文】干貨：輕松看懂數(shù)據(jù)挖掘中的十大經(jīng)典算法

(電子商務研究中心訊)隨著移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，所有的連接都在產(chǎn)生數(shù)據(jù)，從數(shù)據(jù)中挖掘到的信息價值早已超乎人們的想象。在市場導向與國家大數(shù)據(jù)戰(zhàn)略的推動下，大數(shù)據(jù)已成為企業(yè)發(fā)展必不可少的新動能。調查顯示，在2016年，幾乎40%的公司在使用大數(shù)據(jù)技術，30%的公司表示在未來一年內(nèi)采用大數(shù)據(jù)技術。大數(shù)據(jù)技術的發(fā)展又離不開數(shù)據(jù)挖掘，那。。。什么是數(shù)據(jù)挖掘？數(shù)據(jù)挖掘（英語：Datamining），又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫知識發(fā)現(xiàn)（英語：Knowledge-DiscoveryinDatabases，簡稱：KDD)中的一個步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。數(shù)據(jù)挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。數(shù)據(jù)挖掘如此重要，如何進行數(shù)據(jù)挖掘呢？當然是知識！知識將成為比數(shù)據(jù)更重要的資產(chǎn)復旦大學計算機科學與技術學院教授肖仰華博士在他近期所作的《知識圖譜與認知智能》報告中指出：前幾年大數(shù)據(jù)時代到來的時候，大家都說“得數(shù)據(jù)者得天下”。去年，微軟研究院的沈向陽博士曾經(jīng)說過“懂語言者得天下”。而我曾經(jīng)論述過，機器要懂語言，背景知識不可或缺。因此，在這個意義下，將是“得知識者得天下”。如果說數(shù)據(jù)是石油，那么知識就好比是石油的萃取物。那么問題來了？你需要哪些知識？數(shù)據(jù)挖掘是個復雜的過程，它需要統(tǒng)計學、數(shù)據(jù)庫、機器學習、模式識別等多學科的交叉融合來實現(xiàn)。數(shù)據(jù)挖掘過程中用到的算法也很多，下圖是對這些算法的一個總體梳理：接下來我們就來說說這傳說中的十大經(jīng)典算法：篇幅有限，為了保證閱讀質量，本文只講解前三個。其余的算法講解會不定期更新的呦，想學習的小伙伴看過來???十大經(jīng)典算法圖解（一）01決策樹（C4.5算法）決策樹（DecisionTree），又稱為判定樹，是數(shù)據(jù)挖掘技術中的一種重要的分類方法，它是一種以樹結構（包括二叉樹和多叉樹）形式來表達的預測分析模型。根據(jù)一些特征（feature）進行分類，每個節(jié)點提一個問題，通過判斷，將數(shù)據(jù)分為若干類，再繼續(xù)提問。這些問題是根據(jù)已有數(shù)據(jù)學習出來的，再投入新數(shù)據(jù)的時候，就可以根據(jù)這棵樹上的問題，將數(shù)據(jù)劃分到合適的葉子上。決策樹生長算法流程（以C4.5算法為例）：C4.5算法實例圖解：兩周內(nèi)的天氣及網(wǎng)球俱樂部顧客光顧情況02聚類（K-means算法）什么是聚類？什么是K-means？K-means算法流程圖解：Setp1：確定初始質心Setp2：計算距離&劃分簇Setp3：迭代計算中心點Setp4：收斂03關聯(lián)規(guī)則（Apriori算法）關聯(lián)規(guī)則是形如X→Y的蘊涵式，其中，X和Y分別稱為關聯(lián)規(guī)則的先導(antecedent或left-hand-side，LHS)和后繼(consequent或right-hand-side，RHS)。其中，關聯(lián)規(guī)則XY，存在支持度和信任度。關聯(lián)規(guī)則經(jīng)典算法及優(yōu)缺點比較：Apriori算法是種最有影響的挖掘布爾關聯(lián)規(guī)則頻繁項集的算法。它的核心是基于兩階段頻集思想的遞推算法，該關聯(lián)規(guī)則在分類上屬于單維、單層、布爾關聯(lián)規(guī)則。在Apriori算法中，尋找最大項目集(頻繁項集)的基本思