随着互联网科技的发展和人们生活水平的提高，生活中大量的数据可以被收集，人们开始利用这些数据来决策和处理信息，大数据作为21世纪信息技术开发的重要一环被越来越多的企业和产业所重视。
大数据技术是将大量数据进行解析处理，以及挖掘有用信息并用于决策的科学，它横跨了传统计算机科学、信息学、数学、统计学和模式识别等多个学科，而主要算法是大数据处理的核心。包括机器学习、社会网络分析、语义分析、推理、结构化和非结构化数据挖掘等算法。
针对机器学习，主要有决策树、贝叶斯、 art算法，K近邻和SVM等算法。贝叶斯是关于概率的集成理论，K近邻算法可以用于根据已知的一个个样本点来分类未知的样本点，SVM(支持向量机)算法是最常用于分类和回归的机器学习算法。
社会网络分析，其中最主要的算法有广义网络寻路算法、社会网络关系分析算法、斯坦福社会网络分析技术和平衡偏移算法等，可以有效地根据社会网络拓扑形势，以及节点、边等元素之间的关系，来挖掘出信息。
语义分析的常用算法有自然语言处理、语义识别和文本分析等，可以对大数据中的文本进行赋予语义，并进行分析，提取有用信息。
模式识别和统计学里面最常用的算法是决策树，它是从一系列观察值中找出规则来进行分类；随机森林，它是随机选择一组数据样本，然后用决策树的算法构造的一个集合模型；变结构聚类算法，它是对数据进行分类，通过聚类算法，将数据分类成若干类，从而发现数据的内在规律。
本文简要介绍了大数据主要的算法，机器学习、社会网络分析、语义分析和模式识别等四大主要算法。大数据开发者可以根据自己的应用需求，选择合适的算法，发挥大数据的真正价值。
