1. C4.5 分类决策树算法,决策树的核心算法,ID3算法的改进算法
2. CART 分类与回归树(Classification and Regression Tree)
3. KNN K近邻分类算法;如果一个样本在特征空间中的k个最相似的样本中大多数属于某一个类别,name该样本也属于该类别
4. NaiveBayes 贝叶斯分类模型;该模型比较适合属性相关性较小的时候,如果属性相关性比较大的时候,决策树模型比贝叶斯分类模型效果好(原因:贝叶 斯模型假设属性之间是互不影响的)
5. SVM 支持向量机,一种有监督学习的统计学习方法,广泛应用于统计分类和回归分析中
6. EM 最大期望算法,常用于机器学习和计算机视觉中的数据集聚领域
7. Apriori 关联规则挖掘算法
8. K-Means 聚类算法,功能是将n个对象根据属性特征分为k和分割(k<n),属于无监督学习
9. PageRank Google搜索重要算法之一
10. AdaBoost 迭代算法;利用多个分类器进行数据分类