未来数据科学家必备的
核心算法与常用模型
机器学习和统计学是数据科学的两个主要理论基础。本文为您盘点数据科学家必备的核心机器学习算法和常用统计模型。
1Machine Learning 核心算法
1）回归/分类树
2）降维（PCA、MDS、tSNE等）
3）经典的前馈神经网络
4）Bagging ensembles方法（随机森林、KN N回归集成）
5）Boostingensembles方法（梯度提升、XGBoost算法）
6）参数调整或设计方案的优化算法（遗传算法，量子启发式演化算法，模拟退火/simulated annealing，粒子群优化/ particle-swarm optimization）
7）拓扑数据分析工具，特别适用于小样本量的无监督学习（持续同调/persistent homology，Morse-Smale聚类，Mapper ...）
8）深度学习架构（通用深度学习架构）
9）用于局部建模的KNN方法（回归，分类）
10）基于梯度的优化方法/Gradient-based optimization methods
11）网络度量/Network metrics和算法（中心度量，跳数，多样性，熵，拉普拉斯算子，疫情传播/epidemic spread，谱聚类/spectral clustering）
12）深层架构中的卷积和池化层/pooling layers（特别适用于计算机视觉和图像分类模型）
13）分层聚类（与k均值聚类和拓扑数据分析工具相关）
14）贝叶斯网络（路径挖掘/pathway mining）
15）复杂性和动态系统（与微分方程有关）
此外，部分领域还可能需要与自然语言处理、计算机视觉相关算法。
2 Statistical Models 常用模型
1）广义线性模型（是多数监督机器学习方法的基础，如逻辑回归和Tweedie回归）
2）时间序列方法（ARIMA，SSA，基于机器学习的方法）
3）结构方程建模（针对潜变量之间关系进行建模）
4）因子分析（调查设计和验证的探索型分析）
5）功效分析/试验设计（特别是基于仿真的试验设计，以避免分析过度）
6）非参数检验（MCMC）
7）K均值聚类
8）贝叶斯方法（朴素贝叶斯，贝叶斯模型平均/Bayesian model averaging，贝叶斯适应性试验/Bayesian adaptive trials等）
9）惩罚性回归模型（弹性网络/Elastic Net，LASSO，LARS ...）以及对通用模型（SVM，XGBoost ...）加罚分，这对于预测变量多于观测值的数据集很有用,在基因组学和社会科学研究中较为常用）
10）样条模型/Spline-based models(MARS等）：主要用于流程建模
11）马尔可夫链和随机过程（时间序列建模和预测建模的替代方法）
12）缺失数据插补方法及其假设（missForest，MICE ...）
13）生存分析/Survival analysis（主要特点是考虑了每个观测出现某一结局的时间长短）
14）混合建模/Mixture modeling
15）统计推断和组群测试（A/B测试以及用于营销活动的更复杂的方法）
备 注 ：1.本文原作者：Colleen M. Farrelly，源文URL: https://www.kdnuggets.com/2018/04/ key-algorithms-statistical-models-aspiring-data-scientists.html
2.由朝乐门负责翻译与编辑。本文已获 数据科学DataScience 授权转发！
END
如果你对人工智能与机器学习感兴趣，请加交流群：群号:139482724 ；
版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。
关联阅读：
原创系列文章：
数据运营 关联文章阅读：
数据分析、数据产品 关联文章阅读：
80%的运营注定了打杂？因为你没有搭建出一套有效的用户运营体系