普通最小二乘回歸（olsr）線性回歸（linear regression）
邏輯回歸（logistic regression）
逐步回歸
多元自適應回歸樣條法（mars）
區域性估計平滑散點圖（loess）
k臨近演算法（knn）學習向量量化演算法（lvq）
自組織對映演算法（som）
區域性加權學習法（lwl）
嶺回歸lasso
elastic net
逐步回歸
最小角回歸演算法（lars）
分類和回歸樹（cart）id3c4.5演算法與c5.0演算法（一種演算法兩種版本）
chaid演算法
單層決策樹
m5演算法
條件決策樹
樸素貝葉斯演算法（nb）高斯樸素貝葉斯演算法（gnb）（就是nb的拓展）
多項式樸素貝葉斯演算法
aode演算法
貝葉斯網路（bn）
貝葉斯置信網路（bbn）
k-均值（km）k-中位數
最大期望演算法（em）
分層聚類演算法
apriori演算法eclat演算法
fp-growth演算法
感知機反向傳播演算法（bp神經網路）
hopfield網路
徑向基函式網路（rbfn）
深度玻爾茲曼機（dbm）深度置信網路（dbn）
卷積神經網路（cnn）
棧式自編碼演算法（stacked auto-encoder）
主成分分析法（pca）主成分回歸（pcr）
偏最小二乘回歸（plsr）
薩蒙對映
多維度尺度分析法（mds）
投影追蹤法（pp）
線性判別分析法（lda）
混合判別分析法（mda）
二次判別分析法（qda）
靈活判別分析法（fda）
svd演算法
boostingadaboost
bagging
堆疊泛化（混合）
gbm演算法
gbrt演算法
隨機森林（rf）
分支界限搜尋(branch and bound)定向搜尋(beam search)
最優優先演算法（best first search）
序列前向選擇（sfs）
序列後向選擇（sbs）
雙向搜尋（bds）
增l去r選擇演算法（lrs）
序列浮動選擇（sffs或sfbs）
隨機產生序列選擇演算法（rgss）
模擬退火演算法( sa）
遺傳演算法（ga）
mapreduce關於常見的演算法優缺點請看下篇：支援向量機（svm）
資料探勘與機器學習的相關理解
加州理工學院公開課 機器學習與資料探勘 機器學習 那些具體的演算法，得到精確模型，統行學家又稱為統計學習 資料探勘 資料庫，資料清洗，資料視覺化 深度學習 在影象，語音，富 取得較好表現，是機器學習的乙個分支，伴隨著大量的計算 學習方法 參考 1 監督式學習 輸入資料被稱為 訓練資料 每組訓練資料有...
機器學習與資料探勘演算法 kMeans演算法
k 平均演算法源於訊號處理中的一種向量量化方法，現在更多作為一種聚類分析方法流行於資料探勘領域。聚類是一種無監督學習，它將相似的物件歸到同乙個簇中。簇內的物件越相似，聚類的效果越好。聚類與分類最大的不同在於，分類的目標事先已知，聚類則不一樣。k 均值是發現給定資料集的k個簇的演算法。簇個數k是使用者...
機器學習與資料探勘
機器學習的科學成分更重一些 資料探勘的技術成分更重一些 資料分析的角度 資料探勘並沒有機器學習探索人的學習機制這一科學發現任務 資料探勘中的資料分析是針對海量資料進行的 是一門多領域交叉學科，涉及概率論 統計學 畢竟輪 凸分析 演算法複雜度理論等多門學科，專門研究計算機是怎樣模擬或實現人類的學習行為...