亲切度为 0 的算法表示其在产业/政府和学术研究人员/学生之间的使用情况对等。IG亲切度越高表示该算法越被产业界普遍使用，反之越“学术”。

　　其中，最“ 产业”的算法是：

　　增量模型Uplift modeling，2.01

　　异常检测Anomaly Detection，1.61

　　生存分析Survival Analysis，1.39

　　因子分析Factor Analysis，0.83

　　时间序列Time series/Sequences，0.69

　　关联规则Association Rules，0.5

　　其中增量模型Uplift modeling又一次成了最“产业”的算法，但是令人惊讶的是其使用率确很低—只有3.1%，几乎是这次调查中使用率最低的算法。

　　最“ 学术”的算法是：

　　神经网络Neural networks - regular, -0.35

　　朴素贝叶斯Naive Bayes, -0.35

　　支持向量机SVM, -0.24

　　深度学习Deep Learning, -0.19

　　EM, -0.17

　　下图是所有算法以及它们在产业界/学术界的亲切度：

　　数据科学家最常使用的算法 工业界 vs 学术界

　　2016数据科学家使用的算法调查汇总

　　汇总表格中各项含义分别是：

　　N：根据使用度排名

　　Algorithm：算法名称，

　　类型：S - 监督，U - 无监督，M - 元，Z - 其他，

　　%指代调查中使用这种算法的调查者比例

　　Change—变动（％2016 年/2011％ - 1），

　　Industry Affinity—产业亲切度（前文中提到）