最近KDnuggets针对数据科学家最常使用的算法作了一个调查，有一些意外的发现，包括最学术向的算法和最产业向的算法。
下面是调查结果，总调查人数是 844 人。
数据科学家最常用的Top 10种算法和方法，以及投票比例：
表1：数据科学家最常用的Top 10算法&方法。所有算法和方法的列表在文末。
说明：这个投票的本意是找出数据科学家最常用的工具，但“工具”这个词含义不明确，所以为了简便我最初把这个表成为top 10“算法”。当然，正如有读者指出的，“统计学”或“可视化”以及其他几个都不是算法，更好的描述应该是“方法”。所以我把这个表更名为Top 10算法和方法。
投票者平均使用的算法/方法数是8.1中，比2011年的类似调查增加了很多。
在2011年的调查“数据科学/数据挖掘的常用算法”中，我们提到最常用的方法是回归、聚类、决策树/决策规则，以及可视化。两次调查中投票数增加最多的是：
提升方法，2016年票数占32.8%，2011年占23.5%，票数增加40%
文本挖掘，从2011年的27.7%到2016年的35.9%，票数增加30%
可视化，从2011年的38.3%到2016年的48.7%，票数增加27%
时间序列/序列分析，从2011年的29.6%到2016年的37.0%，票数增25%
异常/偏差检测，从2011年的16.4%到2016年的19.5%，票数增加 19%
集成方法，从2011年的28.3%到2016年的33.6%，票数增加19%
SVM，从2011年的28.6%到2016年的33.6%，票数增加18%
回归，从2011年的57.9%到2016年的67.1%，票数增加16%
2016年新增的回答有：
K-NN，占比46%
PCA，占比43%
随机森林，占比38%
优化，占比24%
神经网络 –深度学习，占比19%
奇异值分解，占比16%
投票数减少最多的有：
关联规则，从2011年的28.6%到2016年的15.3%，减少了47%
增量建模，从4.8%到3.1%，减少了36% (这个让人吃惊)
因素分析，从18.6%到14.2%，减少了24%
生存分析，从9.3%到7.9%，减少了15%
下面的表格表示不同算法类型的应用：监督、无监督、元，及其他，以及投票者职业类型的占比。在职业类型中，我们排除了“未回答”(4.5%)和“其他”(3%)。
我们发现，几乎所有人都使用监督式学习算法。
*和产业数据科学家比学生或学术研究人员使用更多不同类型的算法。
产业数据科学家更喜欢元算法。
接下来，我们分析了不同职业人士最常用的10中算法 深度学习：
为了让结果更清晰，我们计算了职业类型和平均算法使用的偏差，即偏差(ALG，类型)=使用(ALG，类型)/使用(ALG，所有)。
图2：按职业类型分的算法使用偏差
我们发现，产业数据科学家更喜欢用回归、可视化、统计、随机森林和时间序列。*/非营利机构用得更多的是可视化、PCA和时间序列。学术研究者更常用的是PCA和深度学习。学生普遍上使用的算法较少，常用的是文本挖掘和深度学习。
接下来我们分析了能代表 KDnuggets 整体用户的具体地区参与人数：
投票参与者的地区分布：
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年的投票中，我们把产业/*和学术研究者/学生分别合并成一个组，并用以下公式计算产业/*的算法“亲和度”：
N(Alg,Ind_Gov) / N(Alg,Aca_Stu)
——————————- – 1
N(Ind_Gov) / N(Aca_Stu)
因此，亲和度为0的算法表示它在产业/*和学术研究者或学生中的使用情况一致。IG值越高，表示这个算法越“产业向”，越低，表示算法越“学术向”。
2011年的调查中，最“产业向的算法”是：
增量建模，2.01
异常检测，1.61
生存分析，1.39
因素分析，0.83
时间序列/序列，0.69
关联规则，0.5
在最新的调查中，增量建模(uplift modeling)是最“产业向的算法”，令人惊奇的发现是使用它的人非常少——只有3.1%，是这个调查中得票数最少的算法。
最“学术向的算法”是：
常规神经网络，-0.35
朴素贝叶斯，-0.35
支持向量机(SVM)，-0.24
深度学习，-0.19
EM, -0.17
下面的图表列出了所有的算法和它们的产业/学术亲和度。
图3：数据科学家最常用的算法：产业 vs 学术
下面的表格列出了所有算法的细节，%表示两次调查中该算法的得票数占比，以及比重的变化(%2016/%2011 -1)。
表3：KDnuggets 2016调查：数据科学家使用的算法
N：按投票数的排序
Algorithm：算法名称
Type: S – 监督(Supervised), U – 无监督(Unsupervised), M – 元(Meta), Z – 其他
2016 % ：2016年该算法的得票率
2011 % ：2011年该算法的得票率
change (%2016 / %2011 – 1)：得票率变化
Industry affinity：如上文解释。
本文转自d1net（转载）