R語言筆記之數據科學算法總結

1.迴歸算法(Regression)
a.一般最小二乘迴歸（Ordinary Least Squares）
b.邏輯迴歸(Logistic Regression)
c.自適應樣條迴歸（Multivariate Adaptive Regression Splines,MARS）
d.局部估計散點圖平滑回歸(Locally Estimated Scatterplot Smoothing,LOESS)
2.基於相似性的模型（Instance-based Algorithms)
a.K近鄰模型（K-Nearest Neighbour[KNN])
b.學習向量量化（Learning Vector Quantization[LVQ]）
c.自組織映射(Self-Organizing Map[SOM])
3.特徵選擇算法（Feature Selection Algorithms)
a.過濾法（filter)
b.繞射法（wrapper)
c.內嵌法（embedded）
4.收縮方法（Regularization Methods)
a.嶺迴歸（K-Nearest Neighbour,KNN)
b.LASSO迴歸（Least Absolute Sprinkage and Selection Operator)
c.彈性網絡（Elastic Net)
5.樹模型
a.分類和迴歸樹(Classification and Regression Tree,CART)
b.ID3(Iterative Dichotomiser 3)
c.C4.5
d.隨機森林（Random Forest)
e.隨機助推（Gradient Boosting Machines,GBM)
6.貝葉斯模型（Bayesian)
a.樸素貝葉斯
b.平均單依賴估計（AODE）
c.貝葉斯網絡（BBN)
7.核函數算法
a.支持向量機
b.徑向基函數
c.線性判別分析
8.聚類算法
a.K-Means
b.分層聚類
9.關聯法則
a.Apriori算法
b.Eclat算法
10.人工神經網絡
a.感知器神經網絡
b.反向傳遞
c.Hopfield網絡
d.自組織映射
e.學習矢量化
11.深度學習
a.受限波爾茲曼機（RBN）
b.深度網絡(DBN)
c.卷積網絡
d.堆棧式自動編碼器
12.降維算法
a.主成分分析(PCA)
b.偏最小二乘迴歸(PLS)
c.高維標度化（MDS)
d.探索性因子分析(EFA)
13.集成算法
a.裝袋法
b.隨機森林
c.梯度助推