数据方法总结：

1、分类算法：

逻辑回归、决策树、支持向量机、最近邻、贝叶斯网络、神经网络

评价指标：精确率（precision）、F-Score、准确率（Accuracy）、召回率（Recall）、特效度（Specificity）、ROC曲线、AUC

2、回归算法：

线性回归、岭回归、lasso回归、Elastic回归、多项式回归、核回归

评价指标：R、R方、调整R方、因变量预测标准误差、总离差、自由度、平均离差、F值、F值的显著性水平、模型个例数

3、聚类算法：

k-means、DB-Scan、层次聚类、optics聚类

评价指标：RMSSTD、R Square、SRP、簇内间距离

4、降维算法

线性降维（PCA、LDA）、非线性降维（流形学习）

5、关联分析：

Apriori算法、FP-growth算法

评价指标：支持度、置信度、提升度

6、深度学习：

CNN、RNN、GAN

评价指标：根据任务的类型，与上述评价指标相同