數(shù)據(jù)挖掘能做以下七種不同事情 （分析方法）：

數(shù)據(jù)挖掘能做以下七種不同事情

· 分類 （Classification） · 估計(jì)（Estimation） · 預(yù)測（Prediction） · 相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinity grouping or association rules） · 聚類（Clustering） · 描述和可視化（Description and Visualization） · 復(fù)雜數(shù)據(jù)類型挖掘(Text, Web ,圖形圖像，視頻，音頻等) 經(jīng)典算法 1. C4.5：是機(jī)器學(xué)習(xí)算法中的一種分類決策樹算法，其核心算法是ID3算法。 2. K-means算法：是一種聚類算法。 3. SVM：一種監(jiān)督式學(xué)習(xí)的方法，廣泛運(yùn)用于統(tǒng)計(jì)分類以及回歸分析中 4. Apriori ：是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法。 5. EM：最大期望值法。 6. Pagerank：是google算法的重要內(nèi)容。 7. Adaboost:是一種迭代算法，其核心思想是針對同一個訓(xùn)練集訓(xùn)練不同的分類器然后把弱分類器集合起來，構(gòu)成一個更強(qiáng)的最終分類器。 8. KNN:是一個理論上比較成熟的的方法，也是最簡單的機(jī)器學(xué)習(xí)方法之一。 9. Naive Bayes：在眾多分類方法中，應(yīng)用最廣泛的有決策樹模型和樸素貝葉斯（Naive Bayes） 10.Cart：分類與回歸樹，在分類樹下面有兩個關(guān)鍵的思想，第一個是關(guān)于遞歸地劃分自變量空間的想法，第二個是用驗(yàn)證數(shù)據(jù)進(jìn)行減枝。

轉(zhuǎn)載于:https://www.cnblogs.com/gaiwen/articles/2979555.html

總結(jié)

以上是生活随笔為你收集整理的数据挖掘的一些经典算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。