top 10 algorithms in data mining

EM 算法原理及其应用 立即下载

    Data mining is abroad area that integrates techniques from several fields including machine learning,statistics,patternrecognition,artificial intelligence,and database systems,for the analysis of large volumes of data. 

    the top 10 data mining algorithms identified by the IEEE International Conference on Data Mining (ICDM)in December 2006:C4.5,k-Means,SVM, Apriori,EM,PageRank,AdaBoost,kNN,NaiveBayes,andCART. These top 10 algorithms are among the most influential data mining algorithms in the research community.

#1: C4.5 (61 votes), 
#2: K-Means (60 votes),
#3: SVM (58 votes), 
#4: Apriori (52 votes), 
#5: EM (48 votes), 
#6: PageRank (46 votes), 
#7: AdaBoost (45 votes), 
#7: kNN (45 votes), 
#7: Naive Bayes (45 votes), 
#10: CART (34 votes),

Classification

==============

 

 #1. C4.5

 

Quinlan, J. R. 1993. C4.5: Programs for Machine Learning.

Morgan Kaufmann Publishers Inc.

 

 

 #2. CART

 

L. Breiman, J. Friedman, R. Olshen, and C. Stone. Classification and

Regression Trees. Wadsworth , Belmont , CA , 1984.

 

 #3. K Nearest Neighbours (kNN)

 

Hastie, T. and Tibshirani, R. 1996. Discriminant Adaptive Nearest

Neighbor Classification. IEEE Trans. Pattern

Anal. Mach. Intell. (TPAMI). 18, 6 (Jun. 1996), 607-616.

DOI= http://dx.doi.org/10.1109/34.506411

 

 #4. Naive Bayes

 

Hand, D.J., Yu, K., 2001. Idiot's Bayes: Not So Stupid After All?

Internat. Statist. Rev. 69, 385-398.

 

 

Statistical Learning

====================

 

 #5. SVM

 

Vapnik, V. N. 1995. The Nature of Statistical Learning

Theory. Springer-Verlag New York, Inc.

 

 #6. EM

 

McLachlan, G. and Peel, D. (2000). Finite Mixture Models.

J. Wiley, New York .

 

 

Association Analysis

====================

 

 #7. Apriori

 

Rakesh Agrawal and Ramakrishnan Srikant. Fast Algorithms for Mining

Association Rules. In Proc. of the 20th Int'l Conference on Very Large

Databases (VLDB '94), Santiago , Chile , September 1994.

http://citeseer.comp.nus.edu.sg/agrawal94fast.html

 

 #8. FP-Tree

 

Han, J., Pei , J., and Yin, Y. 2000. Mining frequent patterns without

candidate generation. In Proceedings of the 2000 ACM SIGMOD

international Conference on Management of Data ( Dallas , Texas , United

States, May 15 - 18, 2000). SIGMOD '00. ACM Press, New York , NY , 1-12.

DOI= http://doi.acm.org/10.1145/342009.335372

 

 

Link Mining

===========

 

 #9. PageRank

 

Brin, S. and Page, L. 1998. The anatomy of a large-scale hypertextual

Web search engine. In Proceedings of the Seventh international

Conference on World Wide Web (WWW-7) ( Brisbane ,

Australia ). P. H. Enslow and A. Ellis, Eds. Elsevier Science

Publishers B. V., Amsterdam , The Netherlands , 107-117.

DOI= http://dx.doi.org/10.1016/S0169-7552(98)00110-X

 

 #10. HITS

 

Kleinberg, J. M. 1998. Authoritative sources in a hyperlinked

environment. In Proceedings of the Ninth Annual ACM-SIAM Symposium on

Discrete Algorithms ( San Francisco , California , United States , January

25 - 27, 1998). Symposium on Discrete Algorithms. Society for

Industrial and Applied Mathematics, Philadelphia , PA , 668-677.

 

 

Clustering

==========

 

 #11. K-Means

 

MacQueen, J. B., Some methods for classification and analysis of

multivariate observations, in Proc. 5th Berkeley Symp. Mathematical

Statistics and Probability, 1967, pp. 281-297.

 

 #12. BIRCH

 

Zhang, T., Ramakrishnan, R., and Livny, M. 1996. BIRCH: an efficient

data clustering method for very large databases. In Proceedings of the

1996 ACM SIGMOD international Conference on Management of Data

(Montreal, Quebec, Canada, June 04 - 06, 1996). J. Widom, Ed.

SIGMOD '96. ACM Press, New York , NY , 103-114.

DOI= http://doi.acm.org/10.1145/233269.233324

 

 

Bagging and Boosting

====================

 

 #13. AdaBoost

 

Freund, Y. and Schapire, R. E. 1997. A decision-theoretic

generalization of on-line learning and an application to

boosting. J. Comput. Syst. Sci. 55, 1 (Aug. 1997), 119-139.

DOI= http://dx.doi.org/10.1006/jcss.1997.1504

 

 

Sequential Patterns

===================

 

 #14. GSP

 

Srikant, R. and Agrawal, R. 1996. Mining Sequential Patterns:

Generalizations and Performance Improvements. In Proceedings of the

5th international Conference on Extending Database Technology:

Advances in Database Technology (March 25 - 29, 1996). P. M. Apers,

M. Bouzeghoub, and G. Gardarin, Eds. Lecture Notes In Computer

Science, vol. 1057. Springer-Verlag, London , 3-17.

 

 #15. PrefixSpan

 

J. Pei, J. Han, B. Mortazavi-Asl, H. Pinto, Q. Chen, U. Dayal and

M-C. Hsu. PrefixSpan: Mining Sequential Patterns Efficiently by

Prefix-Projected Pattern Growth. In Proceedings of the 17th

international Conference on Data Engineering (April 02 - 06,

2001). ICDE '01. IEEE Computer Society, Washington , DC .

 

 

Integrated Mining

=================

 

 #16. CBA

 

Liu, B., Hsu, W. and Ma, Y. M. Integrating classification and

association rule mining. KDD-98, 1998, pp. 80-86.

http://citeseer.comp.nus.edu.sg/liu98integrating.html

               

 

Rough Sets

==========

 

 #17. Finding reduct

 

Zdzislaw Pawlak, Rough Sets: Theoretical Aspects of Reasoning about

Data, Kluwer Academic Publishers, Norwell , MA , 1992

 

 

Graph Mining

============

 

 #18. gSpan

 

Yan, X. and Han, J. 2002. gSpan: Graph-Based Substructure Pattern

Mining. In Proceedings of the 2002 IEEE International Conference on

Data Mining (ICDM '02) (December 09 - 12, 2002). IEEE Computer

Society, Washington , DC .

 

The Top Ten Algorithms in Data Mining The Top Ten Algorithms in Data Mining,数据挖掘的10大算法,很好很强大。 立即下载

相关推荐

SLAM算法的优缺点

SLAM(Simultaneous Localization and Mapping,同时定位与地图构建)算法是一种通过传感器数据实时估计机器人自身位置和构建环境地图的技术。

selenia8860的博客 2906

Top 10 algorithms in data mining

这是我学习完数据挖掘经典的十大算法+深度学习算法+推荐算法及系统(最重要的文献)英文版之后所整理出来的中文笔记,拿出来跟大家分享。若有错误之处欢迎广大博友提出宝贵意见!!!           1. Top 10 algorithms in data mining(2008, PhillipS Yu) 算法就是定义良好的计算过程,它取一个或一组值作为输入,并产生出一个或一组

sunshinewx1的博客 2998

5G(NR)物理层面试问答

1.什么是参数集(Numerologies)? 答:在5G中由于其频段很宽,设置了不同的子载波带宽,另根据频段、循环前缀、帧结构等组成了参数集。 2.5G中的循环前缀有几种? 答:5G网络支持5种子载波间隔,有两种循环前缀(正常和扩展)。其中:参数集2,即子载波间隔60kHz支持常规循环前缀和扩展循环前缀。 3.5G无线网络在下行(DL)和上行(UL)均使用OFDM波形? 答:5G网络下行链路(DL)和上行链路(UL)使用的波形及处理见下图: 4.5G物理层帧和子帧是多长时间? 答:5G.

starts1990的博客 2377

数据挖掘:Top 10 Algorithms in Data Mining(二)K-Means算法

先引用IDMer整理的图初步了解下K-means K-means也被称为C-means,因为它的目标是要找到c个均值向量u1,u2,……uc。除上面提到的用处,k-means还常用于加速其它算法的收敛。聚类算法主要有两类:硬聚类和软聚类(FCM)。K-means属于前者。 K-means的两大难点是确定c的数值和避免算法的抖动(不稳定性)。对这两个问题都有大量的针对性的

Po Rui的专栏 2216

对族实例进行任意的矩阵变换,需要什么样的族?

问:一个小问题,想向您请教一下。 能不能实现一个这样的操作:创建了一个常规模型的FamilyInstance,然后知道旋转和平移的矩阵,能否根据变换矩阵更新FamilyInstance的位置,绕任意轴旋转任意角度。 请问什么样的实体才能在revit项目文件中任意旋转?貌似一般的实例只能在XY平面内旋转,并且LocationPoint中只有一个Rotation参数。答:您好,因为Revit里面的构件

我爱Revit —— BIM应用及BIM应用软件解决方案专栏 3626

最新Python爬虫实战(入门爬虫篇)——案例8:图书网畅销榜数据采集(详细爬虫思路截图+抓包动图演示+完整爬虫代码+详细注释)

本次案例通过 Python 爬虫技术,成功实现了对图书网畅销榜多页数据的批量爬取与 Excel 保存。代码采用模块化设计,包含分页参数构造、API 接口请求、JSON 数据解析、Excel 数据持久化等完整流程;通过配置模拟浏览器的请求头,有效规避基础反爬策略,保证请求的稳定性。整个爬虫逻辑遵循 “分页遍历 → 接口请求 → JSON 解析 → 提取图书信息 → 保存到 Excel” 的标准流程,与电商类接口爬取范式高度一致。

努力让自己发光,对的人才能迎着光而来 29万+

数据挖掘:Top 10 Algorithms in Data Mining(一)C4.5

先引用IDMer整理的图初步了解下C4.5 C4.5的优缺点在上图中已经列出。C4.5是一种基于ID3的决策树分类算法,通常归类为统计分类器。 先介绍下决策树 决策树分类的步骤是: 所有待决策的样本都位于树根,参数都为离散化取值。根据启发规则选择一个参数,根据该参数取值的不同对样本进行划分。对划分后的每个部分重复1,2步。直到划分在一起的样本属于同一类或者参数耗尽(

Po Rui的专栏 3534

基于ZYNQ PL的AD7606数据采集与FFT实时频谱分析:从硬件到创新实现

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kKnmpgJm-1750295287594)(https://example.com/fft_plot.png)]本文涉及代码已在Xilinx ZCU102开发板与AD7606评估板上验证通过,采样率支持200KSPS@8通道,FFT计算延迟<1ms。传统MCU+DSP方案难以兼顾速度与功耗,而ZYNQ的PL+PS架构为这一问题提供了完美解决方案。本文实现的ZYNQ PL方案突破了传统处理器的性能瓶颈,通过。

QQ_778132974的博客 338

数据挖掘:Top 10 Algorithms in Data Mining(三)SVM

SVM(support vector machine)是一种基于分类间隔(margin)来训练的分类器,它是在1995年左右由Vapnik等人基于VC维而提出的高效分类器,其原理如下图最大化类间间隙。参考出处       SVM主要用于解决小样本和非线性分类问题。SVM解决非线性问题的办法为通过将原有的非线性可分的空间通过映射转换到高维线性可划分空间中,因此SVM会使得特征空间的维数升高。此

Po Rui的专栏 1626

08 rk3568 模拟smi mdio RTL8367RB(一)

前提需求:硬件连接普通gpio ,RTL8367RB需要mdio通信 使用的gpio是 MDC GPIO3_B3 (SMI时钟线) MDIO GPIO3_B4 (SMI数据线) 2. 数据结构与枚举 3.1 GPIO 初始化(地址映射) 内核无法直接访问物理地址,通过ioremap将 GPIO 控制器的物理地址映射为虚拟地址,后续通过虚拟地址操作 GPIO 寄存器。 3.2 设置引脚方向 3.3 设置电平 3.4 读取电平 6. SMI 总线时序实现 SMI 总线通信依赖严格的时序(起始信号、

qq_39451352的博客 540

Python爬虫-汽车之家各车系月销量榜数据

本文是该专栏的第41篇,后面会持续分享python爬虫干货知识。本文以某汽车平台为例,基于python采集该平台“各车系月销量”的榜单数据。具体实现思路和详细逻辑,笔者将在正文结合完整代码进行详细介绍。接下来,跟着笔者直接往下看正文详细内容。(附带完整代码)

Python进阶专栏《爬虫实战进阶》,《Pyppeteer从入门到精通》原创作者 1617

Top 10 Algorithms in Data Mining

Top 10 Algorithms in Data Mining Top 10 Algorithms in Data Mining[April 22, 2009:]A companion book onThe Top Ten Algorithms in Data...

267

包成功安装tiny-cuda-nn,记录安装过程中的问题解决,附带pytorch3d安装【踩坑指南】

该包可以显著提高NeRF训练速度,是和NeRFstudio等框架中,必须使用的。本文提供tiny-cuda-nn可以安装的完整包的下载链接,可以直接上传到项目中安装。附带笔者遇到的问题的解决方案。

zik的博客 7029

18 Candidates for the Top 10 Algorithms in Data Mining

Classification============== #1. C4.5 Quinlan, J. R. 1993. C4.5: Programs for Machine Learning.Morgan Kaufmann Publishers Inc. Google Scholar Count in October 2006: 6907 #2. CART L. Breiman, J. ...

weixin_30407099的博客 156

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

数据挖掘:Top 10 Algorithms in Data Mining(六)PageRank

Pagerank因google的快熟发展并提供高质量搜索结果而受到广泛关注。Pagerank的主要目标是评价网页的重要程度,并以此作为网页的排名依据。算法主要参考网页被引用的数量,及引用者的权威性。参考下面的简单的网页引用模型:   首先我们需要一个合适的数据结构来表示这个网络结构。这涉及到图的表示,我们在数据结构课程中学过,常用的方法是邻接矩阵法和链接法。实际中不会单独的只使用某一种

Po Rui的专栏 1748

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

数据挖掘:Top 10 Algorithms in Data Mining(四)Apriori 关联分析

http://tnove.com 先引用IDMer整理的图初步了解下Apriori    上面对apriori算已经做了简单介绍。该算法最早用于购物篮挖掘,频繁项的挖掘。其伪代码为: Apriori算法的缺点在于其在实际计算中消耗较大,针对Apriori的缺点华裔学者韩家炜提出FP-Tree算法针对Apriori存储扫描进行了改进。同时FP-tree为TOP 10

Po Rui的专栏 2140

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

数据挖掘:Top 10 Algorithms in Data Mining(五)EM算法

EM的核心是通过已有的数据来递归的估计似然函数,常用用在样本特征丢失的情况中。其前身为Baum-Welch算法。EM与K-means比较:计算复杂,收敛较慢,依赖初始值,容易进入局部最优点。      K-means的迭代步骤可以看成E步和M步,E:固定参数类别中心向量重新标记样本,M:固定标记样本调整类别中心向量。K均值只考虑(估计)了均值,而没有估计类别的方差,所以聚类的结构比较适合于特

Po Rui的专栏 1300

数据挖掘:Top 10 Algorithms in Data Mining(七)AdaBoost

Adaboost 是boosting算法的变形,全称为adaptive boosting(自适应增强)。该方法主要是通过多个弱分类器的集合来使得分类误差达到足够小。理论上通过adaboost方法可以使得分类误差为0。但我们知道通常情况下训练分类器误差为0时会过拟合。        关于boosting算法参考《Boosting Foundations and Algorithms》以及wik

Po Rui的专栏 1787

Algorithms in Data Mining的经典总结

July:Top 10 Algorithms in Data Mining

智慧之树 907

The top 10 data mining algorithms

The top 10 data mining algorithms identified by the IEEE International Conference on Data Mining (ICDM) in December 2006: C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes...

杰夫的IT故事 261
上一篇: java中常用的数据结构
下一篇: 10 problems in data mining
hellojzz
博客等级 码龄20年 9粉丝 12原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值