1. 程式人生 > >資料探勘演算法有哪些

資料探勘演算法有哪些

  • 聚類:K均值(Kmeans)、最近鄰演算法(KNN)、期望最大值演算法(EM)、隱含狄利克雷分佈(LDA)
  • 分類:支援向量機(SVM)、邏輯迴歸(LR)、梯度下降樹(GBDT)、隨機森林(RF)、樸素貝葉斯(NB)、深層神經網路(DNN)、卷積神經網路(CNN)、LSTM(Long Short-Term Memory)
  • 迴歸:普通最小二乘迴歸(OLS)、梯度下降樹(GBDT)
  • 降維:主成分分析(PCA)、因子分析(FA)、LDA
  • 時間序列:自迴歸模型(AR)、滑動平均模型(MA)、自迴歸移動平均模型(ARMA)

學了6年統計學,畢業後寫過需求、跑模型、手畫過原型、也用過深度學習框架,有很長一段時間靠推導公式打發盲目的時間並對未來(過去的未來也就是現在)充滿自信,在匆忙趕專案中,我突然發現這種粗糙地不怎麼牽扯到業務的掉包調參專案中,我到底在做些什麼,我從沒有做出什麼有意義的事情,我只是按月拿薪資罷了。