大數(shù)據(jù)專業(yè)英語教程 課件 Unit 6 B Top 10 Most Common Data Mining Algorithms

Top10MostCommonDataMiningAlgorithms

Unit

6TextBContents

NewWords

Abbreviations

Phrases參考譯文NewWordsNewWordsPhrasesPhrasesAbbreviationsListeningtoTextA十大最常見的數(shù)據(jù)挖掘算法1.C4.5算法C4.5是頂級數(shù)據(jù)挖掘算法之一，由RossQuinlan開發(fā)。C4.5用于根據(jù)已分類的一組數(shù)據(jù)以決策樹的形式生成分類器。這里的分類器是指一種數(shù)據(jù)挖掘工具，該工具獲取我們需要分類的數(shù)據(jù)并嘗試預測新數(shù)據(jù)的類別。每個數(shù)據(jù)點將具有自己的屬性。由C4.5創(chuàng)建的決策樹提出了有關(guān)屬性值的問題，并根據(jù)這些值對新數(shù)據(jù)進行分類。標記訓練數(shù)據(jù)集，使C4.5成為監(jiān)督學習算法。決策樹始終易于解釋和說明，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-均值是最常見的聚類算法之一。它的工作方式是根據(jù)對象之間的相似性從一組對象中創(chuàng)建k個組。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。按照標準實現(xiàn)，K-均值是一種無監(jiān)督學習算法，因為它無需任何外部信息即可自行學習聚類。參考譯文3.支持向量機就任務而言，支持向量機（SVM）的工作方式類似于C4.5算法，但支持向量機根本不使用任何決策樹。支持向量機學習數(shù)據(jù)集并定義一個超平面以將數(shù)據(jù)分為兩類。超平面是一條線的方程，看起來像“y=mx+b”。支持向量機會把數(shù)據(jù)擴展映射到更高的維度。一旦映射，支持向量機便定義了最佳的超平面，將數(shù)據(jù)分為兩個類別。4.先驗算法先驗算法通過了解關(guān)聯(lián)規(guī)則來工作。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，就將其應用于包含大量事務的數(shù)據(jù)庫。先驗算法用于發(fā)現(xiàn)有趣的模式和相互關(guān)系，因此被視為無監(jiān)督學習方法。盡管該算法是高效的，但它會消耗大量內(nèi)存、占用大量磁盤空間并花費大量時間。參考譯文參考譯文5.期望最大化算法期望最大化（EM）用作聚類算法，就像用于知識發(fā)現(xiàn)的K-均值算法一樣。EM算法以迭代方式工作，以更好地查看觀測數(shù)據(jù)。接下來，它估計帶有未觀察到的變量的統(tǒng)計模型的參數(shù)，從而生成一些觀察到的數(shù)據(jù)。EM算法也是無監(jiān)督學習方法，因為我們在不提供任何標記的類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，可確定對象網(wǎng)中鏈接的對象的相對重要性。鏈接分析是一種探索對象之間關(guān)聯(lián)的網(wǎng)絡(luò)分析。谷歌搜索通過了解網(wǎng)頁之間的反向鏈接來使用此算法。PageRank是谷歌用來確定網(wǎng)頁的相對重要性并將其在谷歌搜索引擎上排名更高的方法之一。PageRank商標是谷歌的專有商標，PageRank算法由斯坦福大學獲得專利。PageRank被視為一種無監(jiān)督學習方法，因為它僅通過考慮鏈接即可確定相對重要性，而無需任何其他輸入。7.Adaboost算法Adaboost是用于構(gòu)建分類器的提升算法。分類器是一種數(shù)據(jù)挖掘工具，可獲取數(shù)據(jù)并根據(jù)輸入預測數(shù)據(jù)的類別。提升算法是一種集成學習算法，可運行多種學習算法并將其組合。提升算法吸收一組弱學習法，并將它們組合成一個單一的強學習法。弱學習法對數(shù)據(jù)進行分類的準確性較低。弱算法的最佳示例是決策樹樁算法，它基本上是一個單步?jīng)Q策樹。Adaboost是完美的監(jiān)督學習，因為它可以以迭代方式工作，并且在每次迭代中，都使用標記的數(shù)據(jù)集訓練較弱的學習法。Adaboost是一種簡單且非常直接的算法。在用戶指定輪數(shù)之后，每次連續(xù)的Adaboost迭代都會為每個最佳學習法重新定義權(quán)重。這使Adaboost成為自動調(diào)整分類器的絕佳方式。Adaboost具有靈活性、多功能性和簡潔性，因為它可以合并大多數(shù)學習算法并可以處理大量數(shù)據(jù)。

參考譯文8.KNN算法KNN是一種用作分類算法的消極學習算法。消極學習法在訓練過程中除了存儲訓練數(shù)據(jù)外不會做任何事情。消極學習法僅在輸入新的未標記數(shù)據(jù)作為輸入時才開始分類。另一方面，C4.5、SVN和Adaboost是積極學習法，它們在訓練過程中就開始建立分類模型。由于為KNN提供了標記的訓練數(shù)據(jù)集，因此將其視為監(jiān)督學習算法。9.樸素貝葉斯算法樸素貝葉斯不是單個算法，盡管可以將其視為單個算法。樸素貝葉斯是一組分類算法。該算法家族使用的假設(shè)是，要分類的數(shù)據(jù)的每個特征都獨立于該類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簽的訓練數(shù)據(jù)集來構(gòu)造表格。因此，它被視為監(jiān)督學習算法。參考譯文參考譯文10.CART算法CART代表分類樹和回歸樹。它是一種決策樹學習算法，可將回歸樹或分類樹作為輸出。在CART中，決策樹節(jié)點將恰好具有2