Los algoritmos más utilizados en Data Mining
Me he enterado de este artículo mediante un twitter de Alex Zambrano, que a su vez replicó de una entrada en Datanaltytics. Se trata de un artículo que presenta los diez algoritmos más utilizados e influyentes en tópicos de clasificación.
C4.5. Este algoritmo genera clasificadores expresados en términos de árboles de decisión.
El algoritmo de k-medias. Es un método simple iterativo que particiona un conjunto de datos en un número pre-especificado de conglomerados.
SVM (Support Vector Machine). Mediante el aprendizaje, este algoritmo trata de encontrar la mejor función de clasificación para distinguir en miembros de distintas clases.
El algoritmo a priori. Este método encuentra conjuntos de ítems frecuentes usando generación candidata.
El algoritmo EM. Es utilizado para clasificar datos de naturaleza continua y para estimar su correspondiente función de densidad.
PageRank. Es un algoritmo de búsqueda sobre hipervínculos en la web. Gracias a este método es que Google funciona.
AdaBoost. Emplea métodos que utilizan múltiples learners para resolver un problema.
kNN. Memoriza el conjunto de datos de entrenamiento y realiza una clasificación sólo si los atributos del objeto de prueba coinciden exactamente con los ejemplos del entrenamiento.
Bayes ingenuo (Naive Bayes). Dado un conjunto de objetos, que pertenecen a una clase conocida, construye una regla que permite asignar objetos futuros a una clase.
CART (Classification and Regression Trees). Se trata de un procedimiento recursivo de partición capaz de procesar atributos nominales y continuos como objetivos o predictores.