数据科学家最常用的10种算法

数据观  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

最新的KDnuggets调查统计了数据科学家们实际工作中最常使用的算法,在大多数学术和产业界,都有惊人发现哦!

根据Gregory Piatetsky, KDnuggets,最新的调查问题是:在最近的12个月中,你在实际数据科学相关应用中用到了那些模型/算法?

于是就有了以下基于844份答卷的结果。

◆ ◆ ◆

排名前十的算法和它们在投票者中所占比例

数据科学家最常用的10种算法
 

图1:数据科学家最常用的10大算法,所有算法见文末表格

每个受访者平均用到了8.1种算法,这相比于 2011 的相似调查显示的结果有了巨大的增长。

相比2011年对 数据分析 算法的调查,我们注意到最常用的方法仍然是回归,聚类,决策树/规则以及可视化。比例增幅最大的是(增幅=%2016/%2011 -1):

  • Boosting算法,提升了40%。由2011年的23.5%提升倒2016年的40%
  • 文本挖掘(Text Mining),提升了30%。从27.7%提升到35.9%
  • 可视化(Visualization),提升了27%。从38.3%提升到48.7%
  • 时间序列/序列分析(Time series/Sequence analysis),提升了25%。从29.6%提升到37.0%
  • 异常检测(Anomaly/Deviation detection),提升了19%,从16.4%提升到19.5%
  • 组合方法(Ensemble methods),提升了19%,从28.3%提升到33.6%
  • 支持向量机(SVM),提升了18%,从28.6%提升到33.6%
  • 回归(Regression),提升了16%,从57.9%提升到67.1%

◆ ◆ ◆

2016年新秀中最为流行的是

  • K-最近邻法(K-nearestneighbors), 46%
  • 主成分分析(PCA), 43%
  • 随机森林(Random Forests), 38%
  • 优化(Optimization), 24%
  • 神经网络-深度学习(Neural networks - Deep Learning), 19%
  • 奇异值分解(Singular ValueDecomposition), 16%

◆ ◆ ◆

降幅最大的是

  • 关联规则(Associationrules),下降了47%,从28.6%降为15.3%
  • Uplift modeling,下降了36%,从4.8% 降为3.1%(出人意料的低,因为有很多相关文献发表)
  • 因子分析(Factor Analysis),下降了24%,从18.6%降为14.2%
  • 存活分析(SurvivalAnalysis),下降了15%,从9.3%将为7.9%

下面的表格显示了不同的算法类型的使用场所:监督算法,无监督算法,元算法和其它算法。应用类型未知(NA,4.5%)或者其它职业类型(3%)的不包括在内。

表1:不同职业类型的算法使用

数据科学家最常用的10种算法
 

我们注意到,几乎所有的人都在使用监督学习算法。政府和产业界的数据科学家们使用的算法类型比学生和科学界要多。产业数据科学家们更倾向于使用元算法。

◆ ◆ ◆

不同职业类型最常用的10大算法+深度学习情况

接下来,我们分析了不同职业类型最常用的10大算法+深度学习情况

表2: 不同职业类型的10大算法+深度学习

数据科学家最常用的10种算法
 

为了更清楚地展示这些差异,我们用一个公式来计算不同职业类型的算法使用率偏倚:

偏倚=某种职业类型的算法使用率/所有职业类型的算法使用率-1

数据科学家最常用的10种算法
 

图2:不同场所的算法使用率偏倚

我们注意到,产业数据科学家们更倾向于用回归,可视化,统计,随机森林和时间序列。政府/非盈利组织则更倾向于使用可视化,主成分分析和时间序列。学术界的研究人员们更多的用到主成分分析和深度学习。学生们普遍使用的算法较少,但多用到文本挖掘和深度学习。

接下来,我们看看某一具体地域的参与度,表示整体的KDnuggets用户。

参与调查人员的地区分布:

  • 美国/加拿大, 40%
  • 欧洲, 32%
  • 亚洲, 18%
  • 拉丁美洲, 5.0%
  • 非洲/中东, 3.4%
  • 澳大利亚/新西兰, 2.2%

在2011年的调查中,我们把产业和政府两个行业的被调查者合为一组,把学术研究者和学生合为一组,然后计算行业政府组的算法使用亲切度:

(行业政府组的算法使用率/学术学生组的算法使用率)/(行业政府组的人数/学术学生组的人数)-1

因此,亲切度为0的算法表示它在产业/政府组和学术学生组使用率相同。越高IG亲切度说明该算法越偏向于产业,结果越小则算法越偏向于学术。

最偏向于“产业算法”是:

  • uplifting modelling, 2.01
  • 异常检测, 1.61
  • 存活分析, 1.39
  • 因子分析, 0.83
  • 时间序列/序列分析, 0.69
  • 关联规则, 0.5

尽管uplift modeling再次成为最偏向于“行业算法”,令人吃惊的却是它使用率极低,只有3.1%,是整个调查中比例最低的。

最偏向于“学术算法”是:

  • 神经网络, -0.35
  • 朴素贝叶斯, -0.35
  • 支持向量机, -0.24
  • 深度学习, -0.19
  • 最大期望, -0.17

下图显示了所有算法及其产业/学术亲切度。

数据科学家最常用的10种算法
 

图3:KDnuggets调研:数据科学家使用最多的算法:产业与学术领域对比

下表是所有算法调研结果的细节,分别是2016年受访人群使用比例,2011年使用比例,变化(2016年比例/2011年比例-1)以及上文提及的产业亲切度。

表3:KDnuggets2016调研:数据科学家使用的算法

下方的表格是所有算法的调研结果细节,不同列依次代表的是:

  • 排名: 根据使用比例的排名
  • 算法:算法名称
  • 类型: S – 有监督, U – 无监督, M – 元(meta), Z – 其他方法,
  • 在2016年调查中使用该算法的人数比例
  • 在2016年调查中使用该算法的人数比例
  • 变化:(%2016 / %2011 -1),
  • 产业亲切度见上文的解释.

表4:KDnuggets 2016 调研:数据科学家使用的算法

数据科学家最常用的10种算法
 

翻译|姜范波 lizyjieshu

校对|Lorine

注:本稿件摘自数据观入驻自媒体-大数据文摘,转载请注明来源,百度搜索“数据观”获取更多大数据资讯。

数据科学家最常用的10种算法

 

责任编辑:陈卓阳

随意打赏

如何成为数据科学家美国数据科学家首席数据科学家大数据科学家数据科学家数据和算法
提交建议
微信扫一扫,分享给好友吧。