数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
预测模型方法是数据挖掘主要方法中分支较为复杂的一类，包括神经网络与决策树等相关人工智能算法、进化算法及支持向量机等算法。数字化转型网www.szhzxw.cn
一、神经网络与决策树等相关人工智能算法
在预测模型方法中，神经网络算法、决策树算法、贝叶斯分类算法、基于关联规则分类算法等都是经典的人工智能算法。
决策树分类算法是一种以决策树形式表示的分类规则，它能够根据一定的规则将众多的数据分类，从中挖掘出那些有价值的、潜在的信息。决策树的主要优点在于处理大数据的能力强，适合分类及处理预测模型的任务，结论易于解释和理解。贝叶斯分类算法是一种算法相对比较简单、分类精度相对较高的分类算法。在分类的性能方面，决策树算法、贝叶斯分类算法及神经网络算法之间关系十分紧密。现有的贝叶斯分类算法包括朴素贝叶斯算法、动态贝叶斯算法等。常见组合分类方法有随机森林方法、bagging方法及boosting方法。
二、进化算法
进化算法，其代表性算法为遗传算法。1969年，Holland提出了一种随机搜索的最优化方法，它是模拟自然界中的遗传机制和生物进化论而成的，称为遗传算法（genetic algorithms，GA）。它将利用自然界中的“优胜劣汰，适者生存”的生物进化原理改变优化参数，根据适应度函数的选取，最终形成编码串联到群体中。遗传算法的基本步骤：选择、交叉和变异。遗传算法的主要目的是留下适应度值好的个体，淘汰适应度值差的个体，继续循环选择、交叉和变异步骤。数字化转型网www.szhzxw.cn
近几年，又演化出新的进化算法，如粒子群算法、蚁群算法以及灰狼优化算法等。粒子群算法（particle swarm optimization，PSO）是由Eberhart等开发的一种新的进化算法。与模拟退火算法相似，PSO算法也是从随机解出发，通过迭代进而寻找最优解，与上述的“遗传算法”相比而言，规则更为简单，它没有遗传算法基本步骤中的“交叉”和“变异”，而是通过追随当前搜索获得的最优值来寻找全局的最优解。粒子群算法以实现简便、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。
三、支持向量机
1995年，Corinna和Vapnik等首先提出了支持向量机（support vector machine，SVM），它是一种具备较强的分类能力和泛化能力的分类算法，主要解决小样本、非线性、高维模式识别及函数拟合等其他机器学习问题。支持向量机主要分为以下3种情况。
线性可分情况。针对线性可分的情况，现实生活中存在大量的实例，例如，在一组医疗数据中，通过支持向量机可以将患者和正常人进行分类（即二分类），判断哪些是患者，哪些是正常人；在一组由民歌和古筝演奏的音乐辨别中进行有效的分类，判断哪些是民歌，哪些是古筝。
线性不可分情况。解决线性不可分问题时，构建核函数，这是支持向量机的优势所在。但是，对于数据集训练的“复杂度”最终还是取决于它的规模，在处理大规模数据时，模型局部受限，泛化能力有时也会有所消耗或损失。数字化转型网www.szhzxw.cn
非线性可分情况。支持向量机利用结构风险最小化替代经验风险最小化原则，较好地解决了小样本情况下的学习问题。针对非线性问题与线性问题是怎样建立起联系的，它们之间是如何进行转化的，“核函数的思想”提供了新的思路。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含： 数字化转型网（www.szhzxw.cn）
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于数友引力；编辑/翻译：数字化转型网Jack。
