十指树算法

Ⅰ 数据挖掘十大经典算法及各自优势

数据挖掘十大经典算法及各自优势

不仅仅是选中的十大算法，其实参加评选的18种算法，实际上随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。
1. C4.5
C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：
1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；2) 在树构造过程中进行剪枝；3) 能够完成对连续属性的离散化处理；4) 能够对不完整数据进行处理。
C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。
2. The k-means algorithm 即K-Means算法
k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k < n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个群组内部的均 方误差总和最小。
3. Support vector machines
支持向量机，英文为Support Vector Machine，简称SV机（论文中一般简称SVM）。它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更 高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假 定平行超平面间的距离或差距越大，分类器的总误差越小。一个极好的指南是C.J.C Burges的《模式识别支持向量机指南》。van der Walt 和 Barnard 将支持向量机和其他分类器进行了比较。
4. The Apriori algorithm
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。
5. 最大期望(EM)算法
在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然 估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variabl）。最大期望经常用在机器学习和计算机视觉的数据集聚（Data Clustering）领域。
6. PageRank
PageRank是Google算法的重要内容。2001年9月被授予美国专利，专利人是Google创始人之一拉里·佩奇（Larry Page）。因此，PageRank里的page不是指网页，而是指佩奇，即这个等级方法是以佩奇来命名的。
PageRank根据网站的外部链接和内部链接的数量和质量俩衡量网站的价值。PageRank背后的概念是，每个到页面的链接都是对该页面的一次投票， 被链接的越多，就意味着被其他网站投票越多。这个就是所谓的“链接流行度”——衡量多少人愿意将他们的网站和你的网站挂钩。PageRank这个概念引自 学术中一篇论文的被引述的频度——即被别人引述的次数越多，一般判断这篇论文的权威性就越高。
7. AdaBoost
Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器 (强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权 值。将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。
8. kNN: k-nearest neighbor classification
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
9. Naive Bayes
在众多的分类模型中，应用最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBC）。 朴素贝叶斯模型发源于古典数学理论，有着坚实的数学基础，以 及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。 但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。在属 性个数比较多或者属性之间相关性较大时，NBC模型的分类效率比不上决策树模型。而在属性相关性较小时，NBC模型的性能最为良好。10. CART: 分类与回归树
CART, Classification and Regression Trees。 在分类树下面有两个关键的思想。第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。

以上是小编为大家分享的关于数据挖掘十大经典算法及各自优势的相关内容，更多信息可以关注环球青藤分享更多干货

Ⅱ 怎么计算天干地支的算法大神们帮帮忙

天干地支简称“干支”，取义于树木的干和枝 天干有十：甲、乙、丙、丁、戊（wù）、己、庚、辛、壬（rén）、癸（guǐ）； 地支十二：子、丑、寅、卯（mǎo）、辰（chén）、巳（sì）、午、未（wèi）、申、酉（yǒu）、戌（xū）、亥。 天干地支组合成如下六十个计时序号，作为纪年、月、日、时的名称，叫“干支纪年法”。 编辑本段六十甲子顺序 1 ~10 甲子 乙丑 丙寅 丁卯 戊辰 己巳 庚午 辛未 壬申 癸酉 11~20 甲戌 乙亥 丙子 丁丑 戊寅 己卯 庚辰 辛巳 壬午 癸未 21~30 甲申 乙酉 丙戌 丁亥 戊子 己丑 庚寅 辛卯 壬辰 癸巳 31~40甲午 乙未 丙申 丁酉 戊戌 己亥 庚子 辛丑 壬寅 癸卯 41~50甲辰 乙巳 丙午 丁未 戊申 己酉 庚戌 辛亥 壬子 癸丑 51 ~60甲寅 乙卯 丙辰 丁巳 戊午 己未 庚申 辛酉 壬戌 癸亥 用六十甲子依次纪年，六十年一个轮回。干支纪年法的新一年由立春开始，2009年的立春是二月四日，所以2009年2月4日立春之后才是己丑年，在此之前应是戊子年。公元纪年的一年以立春为界前后分属不同的干支纪年，这一点不熟悉的人容易搞错，应特别注意。 编辑本段与公元纪年的换算 第一种算法： 如何将公元纪年换算成干支纪年： 不同资料算法有所差异，有的给出公式，但本质上是一回事。这里介绍一种简易直观的算法。 首先给每个天干、地支一个编号，从头以4开始循序排下去，天干10后接1，。地支12后接1。 天干：甲4、乙5、丙6、丁7、戊8、己9、庚10、辛1、壬2、癸3 地支：子4、丑5、寅6、卯7、辰8、巳9、午10、未11、申12、酉1、戌2、亥3 以公元年的尾数在天干中找出对应该尾数的天干，再将公元纪年除以12，用除不尽的余数在地支中查出对应该余数的地支，这样就得到了公元纪年的干支纪年。如2003年，其尾数为3，对应的天干为“癸”；以12除2003得166，余数为11，对应的地支为未。于是2003年的干支纪年为“癸未”年。注意这是指2003年立春之后，立春之前应是“壬午”年。赵达先生在“祭文”中指出的时间是“癸未清明”，清明是立春之后的第四个节气（立春、雨水、惊蛰、春分、清明），所以赵先生说岁在癸未，而非壬午。 第二种算法： 1. 天干算法：用公元纪年数减3，除以10（不管商数）所得余数，就是天干所对应的位数； 2. 地支算法：用公元纪年数减3，除以12（不管商数）所得余数，就是地支所对应的位数； 天干：甲、乙、丙、丁、戊、已、庚、辛、壬、癸 地支：子、丑、寅、卯、辰、巳、午、未、申、酉、戌、亥 例1. 我们以2010年为例； 天干算法： 2010-3=2007， 2007/10=200余7， 7对应天干第7位是庚，即天干为庚； 地支算法： 2010-3=2007， 2007/12=167余3， 3对应地支第3位是寅，即地支为寅； 综上公元2010是用天干地支纪年为庚寅年。为使各位信任此算法，本人再举一例来说明： 例2. 我们再以1987年为例； 天干算法： 1987-3=1984， 1984/10=198余4， 4对应天干第4位是丁，即天干为丁； 地支算法： 1987-3=1984， 1984/12=165余4， 4对应地支第4位是卯，即地支为卯； 综上公元1987是用天干地支纪年为丁卯年。 第三种算法： 首先，将天干、地支编号如下： 天干：甲、乙、丙、丁、戊、已、庚、辛、壬、癸 4 5 6 7 8 9 10 1 2 3 地支：子、丑、寅、卯、辰、巳、午、未、申、酉、戌、亥 4 5 6 7 8 9 10 11 12 1 2 3 如要将公元纪年换算成干支纪年，以公元年的尾数在天干中找出相对应。然后，将公元纪年除以12，用余数在地支中找出所对应的地支。这样，公元纪年就换算成了干支纪年。 如：公元1995年 用该年尾数5找出对应的天干为“乙”；然后，用1995除以12得余数为3，用余数3找出相对应的地支为“亥”。 那么，公元1995年则为农历乙亥年。 再如：公元1861年 用尾数1查天干为“辛”，用1861除以12得余数为1，再用余数1查找地支为“酉”。那么，公元1861年则为农历辛酉年。 如果某一年的尾数为0或者用该年除以12的余数为0，则取天干中的第10位“庚”和地支中的第12位“申”。 如：公元120年 尾数0则取天干中的“庚”；除以12余数为0,则取地支中的第12位“申”。 那么，公元120年则为庚申年。 如果公元纪年是单个数字，就用该数字在天干、地支中查找即可。如：公元6年，则在天干、地支中找出6相对应的“丙”和“寅”，那么该年则为丙寅年。公元8年则为戊辰年。 公元11年，则取尾数1对应的天干中的“辛”和11对应的地支中的“未”。那么，该年则为辛未年。 公元12年则为壬申年。 公元前纪年与干支纪年的换算 将天干、地支编号如下： 天干：甲、乙、丙、丁、戊、已、庚、辛、壬、癸 7 6 5 4 3 2 1 10 9 8 地支：子、丑、寅、卯、辰、巳、午、未、申、酉、戌、亥 9 8 7 6 5 4 3 2 1 12 11 10 具体换算方法同一 如：公元前155年 用尾数5取天干中的“丙”； 155除以12得余数11，对应地支中的“戌”。那么，该年则为丙戌年。 公元前8年则为癸丑年 天干地支纪月 干支纪月时，每个地支对应二十四节气自某节气（非中气）至下一个节气，以交节时间决定起始的一个月期间，不是农历某月初一至月底。许多历书注明某农历月对应某干支，只是近似而非全等对应。若遇甲或己的年份，正月大致是丙寅；遇上乙或庚之年，正月大致为戊寅；丙或辛之年正月大致为庚寅，丁或壬之年正月大致为壬寅，戊或癸之年正月大致为甲寅。依照正月之干支，其余月份按干支推算。60个月合5年一个周期；一个周期完了重复使用，周而复始，循环下去。东汉光武帝建武二十九年癸丑年（公元53年）冬至月（大雪至小寒的月份，近似农历十一月）就是“甲子月”。有歌诀为证：甲己之年丙作首，乙庚之岁戊为头；丙辛必定寻庚起，丁壬壬位顺行流；更有戊癸何方觅，甲寅之上好追求。 下表是地支纪月时对应的节气时间段、中气、近似农历月份、近似阳历月份、以及年天干和月地支构成的月干支： 月地支 节气时间段 中气 近似农历月份 近似阳历月份 甲或己年 乙或庚年 丙或辛年 丁或壬年 戊或癸年 寅月 立春—惊蛰 雨水 正月 2月 丙寅月 戊寅月 庚寅月 壬寅月 甲寅月 卯月 惊蛰—清明 春分 二月 3月 丁卯月 己卯月 辛卯月 癸卯月 乙卯月 辰月 清明—立夏 谷雨 三月 4月 戊辰月 庚辰月 壬辰月 甲辰月 丙辰月 巳月 立夏—芒种 小满 四月 5月 己巳月 辛巳月 癸巳月 乙巳月 丁巳月 午月 芒种—小暑 夏至 五月 6月 庚午月 壬午月 甲午月 丙午月 戊午月 未月 小暑—立秋 大暑 六月 7月 辛未月 癸未月 乙未月 丁未月 己未月 申月 立秋—白露 处暑 七月 8月 壬申月 甲申月 丙申月 戊申月 庚申月 酉月 白露—寒露 秋分 八月 9月 癸酉月 乙酉月 丁酉月 己酉月 辛酉月 戌月 寒露—立冬 霜降 九月 10月 甲戌月 丙戌月 戊戌月 庚戌月 壬戌月 亥月 立冬—大雪 小雪 十月 11月 乙亥月 丁亥月 己亥月 辛亥月 癸亥月 子月 大雪—小寒 冬至 十一月 12月 丙子月 戊子月 庚子月 壬子月 甲子月 丑月 小寒—立春 大寒 十二月 1月 丁丑月 己丑月 辛丑月 癸丑月 乙丑月 干支纪月法未普遍实行，主要为星相家推算八字用。 推算实例：2004年大致是农历甲申年。那次甲申年自2004年2月4日19时56分立春起，至2005年2月4日1时43分立春止。这里的时刻是东经120度标准时。 丙寅月，2004年2月4日19时56分立春～2004年3月5日13时56分惊蛰 丁卯月，2004年3月5日13时56分惊蛰～2004年4月4日18时43分清明 戊辰月，2004年4月4日18时43分清明～2004年5月5日12时2分立夏 己巳月，2004年5月5日12时2分立夏～2004年6月5日16时14分芒种 庚午月，2004年6月5日16时14分芒种～2004年7月7日2时31分小暑 辛未月，2004年7月7日2时31分小暑～2004年8月7日12时20分立秋 壬申月，2004年8月7日12时20分立秋～2004年9月7日15时13分白露 癸酉月，2004年9月7日15时13分白露～2004年10月8日6时49分寒露 甲戌月，2004年10月8日6时49分寒露～2004年11月7日9时59分立冬 乙亥月，2004年11月7日9时59分立冬～2004年12月7日2时49分大雪 丙子月，2004年12月7日2时49分大雪～2005年1月5日14时3分小寒 丁丑月，2005年1月5日14时3分小寒～2005年2月4日1时43分大寒 天干地支纪日 干支纪日，60日大致合2个月一个周期；一个周期完了重复使用，周而复始，循环下去。确定的文献指出干支纪日始于鲁隐公三年夏历二月己巳日（公元前720年二月初十）。 因为儒略历的平年有365日，而每4年一次，公元年能被4整除，闰年有366日，平均一年365.25日，所以4年1461日和一甲子的60日，最小公倍数是29220日，合80年。这就是说，每80年，干支纪日对应的儒略历月日日期会反复一次循环。（公元4年本来应为闰年，但因为公元前45年开始实施儒略历后，“每隔3年”加一次闰日被误为“每3年”加一次闰日，所以罗马皇帝屋大维下令前5年、前1年、4年停闰以修正错误置闰。） 因为格里历的平年有365日，而每4年一次闰年，但是如果遇上整百年，公元年能被400整除才能认定为闰年（这是因为按照现在立法计算，四年一闰的规定使每年多出0.0078天，经过400年大约会多出3天，如果在能被400整除年份的前面3个百年不算闰年，则正好平衡），闰年有366日，平均一年365.2425日，所以400年146097日和一甲子的60日，最小公倍数是2921940日，合8000年。这就是说，每80年，干支纪日对应的格里历月日日期若没有遇到能被100但非400整除的公元年，会反复一次循环，但整体而言，假设未来从不改格里历，每8000年，干支纪日对应的格里历月日日期才会反复一次完整的循环。1912年2月18日，合农历壬子年正月初一，以及9912年2月18日，都是“甲子日”。 天干地支纪时 干支纪时，60时辰合5日一个周期；一个周期完了重复使用，周而复始，循环下去。必须注意的是子时分为0时到1时的早子时和23时到24时的晚子时，所以遇到甲或己之日，0时到1时是甲子时，但23时到24时是丙子时。晚子时又称子夜或夜子。日上起时亦有歌诀：甲己还加甲，乙庚丙作初；丙辛从戊起，丁壬庚子居；戊癸何方发，壬子是真途。下表列出日天干和时辰地支构成的时辰干支，以北京时间（UTC+8）为准： 时辰地支 北京时间（UTC+8）甲或己日 乙或庚日 丙或辛日 丁或壬日 戊或癸日 子时 23时—1时 甲子时 丙子时 戊子时 庚子时 壬子时 丑时 1时—3时 乙丑时 丁丑时 己丑时 辛丑时 癸丑时 寅时 3时—5时 丙寅时 戊寅时 庚寅时 壬寅时 甲寅时 卯时 5时—7时 丁卯时 己卯时 辛卯时 癸卯时 乙卯时 辰时 7时—9时 戊辰时 庚辰时 壬辰时 甲辰时 丙辰时 巳时 9时—11时 己巳时 辛巳时 癸巳时 乙巳时 丁巳时 午时 11时—13时 庚午时 壬午时 甲午时 丙午时 戊午时 未时 13时—15时 辛未时 癸未时 乙未时 丁未时 己未时 申时 15时—17时 壬申时 甲申时 丙申时 戊申时 庚申时 酉时 17时—19时 癸酉时 乙酉时 丁酉时 己酉时 辛酉时 戌时 19时—21时 甲戌时 丙戌时 戊戌时 庚戌时 壬戌时 亥时 21时—23时 乙亥时 丁亥时 己亥时 辛亥时 癸亥时 天干地支次序表 １. 甲子 ２.乙丑 ３.丙寅 ４.丁卯 ５.戊辰 ６.己巳 ７.庚午 ８.辛未 ９.壬申 10.癸酉 11.甲戌 12.乙亥 13.丙子 14.丁丑 15.戊寅 16.己卯 17.庚辰 18.辛巳 19.壬午 20.癸未 21.甲申 22.乙酉 23.丙戌 24.丁亥 25.戊子 26.己丑 27.庚寅 28.辛卯 29.壬辰 30.癸巳 31.甲午 32.乙未 33.丙申 34.丁酉 35.戊戌 36.己亥 37.庚子 38.辛丑 39.壬寅 40.癸卯 41.甲辰 42.乙巳 43.丙午 44.丁未 45.戊申 46.己酉 47.庚戌 48.辛亥 49.壬子 50.癸丑 51.甲寅 52.乙卯 53.丙辰 54.丁巳 55.戊午 56.己未 57.庚申 58.辛酉 59.壬戌 60.癸亥 天干地支的计算方法 （年份- 3）/10余数对天干 如1894-3=1891 ，1891除以10余数是1即为甲 （年份- 3）/12余数对地支 如1894-3=1891 ，1891除以12余数是7即为午 即1894年是甲午年 编辑本段其他相关 天干地支纪年法同时可纪年、月、日、时，分别称为“年柱、月柱、日柱、时柱”。此八个字就是俗称的“八字”。一个人的八字就是他出生时间的四柱记录。关于月、日、时的天干地支纪法，已使用不多，有兴趣的读者可去查阅有关资料。 十二地支与十二生肖对应，即子鼠、丑牛、寅虎、卯兔、辰龙、巳蛇、午马、未羊、申猴、酉鸡、戌狗、亥猪。

Ⅲ 十六进制是怎么算的

0-9对应0-9；

A-F对应10-15；

十六进制数的加减法的进／借位规则为：借一当十六，逢十六进一。

十六进制数同二进制数及十进制数一样，也可以写成展开式的形式。

十进制整数转十六进制数：“除以16取余，逆序排列”（除16取余法）

例：（1765）10=（6E5）2

1765/16=110.......5

110/16=6........14

616=0......6

因为14对应E

十六进制数转换成二进制数：把每一个十六进制数转换成4位的二进制数，就得到一个二进制数。

十六进制数字与二进制数字的对应关系如下：

0000 -> 0 0100 -> 4 1000 -> 8 1100 -> C

0001 -> 1 0101 -> 5 1001 -> 9 1101 -> D

0010 -> 2 0110 -> 6 1010 -> A 1110 -> E

0011 -> 3 0111 -> 7 1011 -> B 1111 -> F

例：将十六进制数5DF.9 转换成二进制：

5 D F ． 9 0101 1101 1111 ．1001

即：（5DF.9）16 =（10111011111.1001）2

例：将二进制数1100001.111 转换成十六进制：

0110 0001 ． 1110 6 1 ． E

即：（1100001.111）2 =（61.E）16

(3)十指树算法扩展阅读：

进制转换的理论：

1、 二进制数、十六进制数转换为十进制数：

用按权展开法把一个任意R 进制数a n a n-1 ...a1a 0 . a -1 a -2...a -m转换成十进制数，其十进制数值为每一位数字与其位权之积的和。

a n ×Rn+ a n-1×R n-1 +…+ a 1×R 1 + a 0×R 0 + a -1 ×R -1+ a -2×R -2+ …+ a -m ×R -m

2、 十进制转化成R 进制十进制数轮换成R 进制数要分两个部分：

整数部分要除R 取余数，直到商为0，得到的余数即为二进数各位的数码，余数从右到左排列(反序排 列) 。小数部分要乘R 取整数，得到的整数即为二进数各位的数码，整数从左到右排列(顺序排列) 。

3、十六进制转化成二进制：每一位十六进制数对应二进制的四位，逐位展开。

4、 二进制转化成十六进制：将二进制数从小数点开始分别向左（对二进制整数）或向右（对二进制小数）每四位组成一组，不足四位补零。