精通数据科学算法

附录D　数据科学中的算法和方法术语

• k最近邻算法：一种预测未知数据项的算法，未知数据项（的值）近似于其k个最近邻居的多数值。
• 朴素贝叶斯分类器：使用关于条件概率的贝叶斯定理，即P(A|B)=(P(B|A) * P(A))/P(B)，来分类数据项的一种方法，假设数据的特定变量之间相互独立。
• 决策树：一种模型，根据树上的分支与实际数据项之间的匹配属性，将数据项分类到叶子节点中的一个类中。
• 随机决策树：决策树的一种，其中的每个分支在构建时仅使用可用变量的随机子集。
• 随机森林：基于有放回抽取的数据随机子集构建的随机决策树集合，数据项被归类给这些树投票最多的类。
• k-means算法：一种聚类算法，将数据集划分为k个组，组内的每个成员尽可能地相似，也就是说，每个成员距离彼此最近。
• 回归分析：一种预测函数模型中未知参数的方法，根据输入变量预测输出变量，例如预测线性模型y = a * x + b中的a和b。
• 时间序列分析：对依赖于时间的数据的分析，主要包括趋势分析和季节性分析。
• 支持向量机（SVM）：一种分类算法，用于寻找将训练数据分成特定类别的超平面，然后用超平面划分从而对数据进行进一步分类。
• 主成分分析（PCA）：对给定数据的各个组成部分进行预处理，以达到更高的准确率，例如，根据输入向量对最终结果的影响程度，对输入向量中的变量进行重新缩放。
• 文本挖掘：对文本的搜索和提取，以及用于数据分析的数值型数据的转换。
• 神经网络：一种机器学习算法，由简单分类器网络组成，根据输入数据或网络中其他分类器的结果作出决策。
• 深度学习：神经网络提升其学习过程的能力。
• Apriori关联规则：可以在训练数据中观察到的规则，并且根据这个规则对未来数据进行分类。
• PageRank：一种搜索算法，在给定搜索关键字的情况下，从最相关的搜索结果中搜索那些具有最大入链数的结果，它为这些结果赋予最大的相关性。在数学术语中，网页排名计算出了代表这些相关度量的某个特征向量。 ...