数据挖掘基本模型一览
来源:互联网 发布:iphone手机称重软件 编辑:程序博客网 时间:2024/04/25 18:54
数据准备
缺失值处理
直接删除
不处理
填充
平均值填充 Mean/Model Completer
热卡填充 Hot Deck Imputation
K邻近 KNN
使用所有可能的值填充 Assigning All Possible values of the Attribute
组合完整化方法 Combinatorial Completer
线性回归
多重填充
期望值最大化方法(Expectation maximization,EM)
多重填补(Multiple Imputation,MI)
C4.5方法
粗糙集方法
关联规则
神经网络
贝叶斯网络
ETL降维
主成份分析 PCA
线性判别分析 LDA
等距映射 LPP
局部线性嵌入 Isomap
特征映射 LLE
局部保留投影 Laplacian
局部切空间排列 LTSA
最大方差展开 MVU
奇异值分解 SVD
数据挖掘过程
关联规则
Apriori
Eclat
相关性分析
皮尔森相关参数
聚类
基于中心点的聚类算法
K-means
基于层次的聚类算法基于密度的聚类算法
DBScan
基于网格的聚类算法
基于模型的聚类算法
谱聚类时间序列分析
线性回归
二次滑动平均
一次平滑
二次指数平滑
三次指数平滑
ARIMA模型
ARCH和GARCH模型
干扰和ARIMAX模型
多元协整和误差修正模型
门限自回归模型
回归
线性回归
逻辑回归
分类
决策树
Classification and Regression Tree (CART)
Iterative Dichotomiser 3 (ID3)
C4.5
Chi-squared Automatic Interaction Detection (CHAID)
Decision Stump
Random Forest
Multivariate Adaptive Regression Splines (MARS)
Gradient Boosting Machines (GBM)
逻辑回归
核方法
Support Vector Machines (支持向量机SVM)
Radial Basis Function (RBF)
Linear Discriminate Analysis (LDA)
神经网络
Perceptron
Back-Propagation
Hopfield Network
Self-Organizing Map (SOM)
Learning Vector Quantization (LVQ)
深度学习
Restricted Boltzmann Machine (RBM)
Deep Belief Networks (DBN)
Convolutional Network
Stacked Auto-encoders
异常检测
推荐
基于内容的推荐
协同过滤推荐
基于关联规则推荐
基于效用推荐
基于知识推荐
组合推荐(上述)
加权
变换
混合
特征组合
层叠
特征扩充
元级别
可视化
- 数据挖掘基本模型一览
- 数据挖掘界牛人一览
- 数据挖掘牛人 一览
- 【数据挖掘】代价模型
- 数据挖掘有关模型
- 数据挖掘算法&模型
- [数据挖掘]聚类算法一览
- [转帖]数据挖掘聚类算法一览
- 数据挖掘聚类算法一览总结
- 数据挖掘聚类算法一览
- 数据挖掘十大算法一览
- 数据挖掘基本算法
- 数据挖掘模型生命周期管理
- 数据挖掘模型生命周期管理
- 数据挖掘过程模型研究
- SqlServer2012建数据挖掘模型
- Oracle建数据挖掘模型
- 数据挖掘的基本过程
- 右值引用:模板参数推导和引用折叠
- 关于类模板特化的小知识
- android 实现无限循环viewpager
- 栈和队列之用一个栈实现另一个栈的排序
- android-Drawable Resources
- 数据挖掘基本模型一览
- iOS-Pch常用代码
- 求两个数的最大公约数算法
- 一个数据库多Instance的连接解决方案
- 一些有用的网站
- 一个linux下的简单的贪吃蛇游戏(链表)
- 当EditText是多行文本时, 光标如何设置在从左上角
- Scala学习第二十天 Scala中的本地函数与作为语言一等公民的函数详解
- UISegmentedControl的常用属性