機器學習演算法中的乙個分類決策樹（decision tree）演算法，它是決策樹核心演算法id3的改進演算法。
the k-means algorithm，聚類演算法，將物件根據屬性分為k類，進行分割。
與處理混合正態分佈的最大期望演算法很相似，因為他們都試圖找到資料中自然聚類的中心。
支援向量機（support vector machines），簡稱sv機。一種有監督學習演算法，應用於統計分類以及回歸分析中。
apriori演算法是一種挖掘布林關聯規則頻繁項集的演算法。
核心是基於兩段頻集思想的遞迴演算法。該關聯規則在分類上屬於單維、單層、布林關聯規則。
最大期望演算法(expectation-maximization,em)，在概率模型中尋找引數最大似然估計的演算法，其中概率模型依賴於無法觀測的隱藏變數。
通常用於機器學習和計算機視覺的資料集聚（data clustering）領域。
page指演算法創始人（larry page）。
一種迭代演算法。
核心思想是針對同一訓練集訓練不同的分類器（弱分類器），然後將這些弱分離器組合起來，構成乙個更強的最終分類器（強分類器）。
k最近鄰（k-nearest neighbor,knn）分類演算法。
演算法思想：如果乙個樣本在特徵空間中的k個最相似（即特徵空間中最鄰近）的樣本中的大多數屬於某乙個類別，則該樣本也屬於這個類別。
樸素貝葉斯（***** bayesian model,nbc）模型，是應用最廣泛的兩種分類模型之一（決策樹模型和樸素貝葉斯模型）。
分類與回歸樹，（classification and regression trees，cart）。
資料探勘十大經典演算法
最近想看看資料探勘是個什麼東西，因此特別的關注了下，首先看看資料探勘包含哪些演算法，網上找到了十大經典演算法 01.c4.5 是機器學習演算法中的一種分類決策樹演算法，其核心演算法是 id3演算法 02.k means演算法 是一種聚類演算法。03.svm 一種 監督式學習 的方法，廣泛運用於統計分...
資料探勘十大經典演算法
1 c4.5 2 k means 3 svm 4 apriori 5 em 6 pagerank 7 adaboost 8 knn 9 bayes 10 cart 1 c4.5 計算增益率 step1 計算資料集d的熵 單位為位元 info d step2 計算每個屬性的熵info x d step...
十大經典資料探勘演算法
c4.5演算法 機器學習演算法中的乙個分類決策樹演算法 cart 分類與回歸樹 c4.5與cart都是決策樹演算法 id3用資訊增益，c4.5用資訊增益率，cart用gini係數 knn 樸素貝葉斯 bayes 在眾多的分類模型中，應用最為廣泛的兩種分類模型是決策樹模型 decision tree ...