看了：贝叶斯算法：可以用于分类，给出多个元祖，每个元组有自己的属性，根据训练出来的概率，可以将其分类https://blog.csdn.net/baimafujinji/article/details/50441927
隐马尔科夫模型，那些计算公式真的好长，看不下去的感觉，知道有两个重要的点：（1）转移概率 p(qt|qt-1):在这一状态下的下一个状态的概率 （2）p(yt|qt):在隐状态qt情况下，yt观测值概率 貌似马尔可夫用在语音试别上面比较多
决策树：也是用来分类，相比贝叶斯算法，决策树的优势在于构造过程不需要任何领域知识或参数设置，因此在实际应用中，对于探测式的知识发现，决策树更加适用。有两个算法ID3.5和C4.5,ID3.5用的信息增益，每次选择信息增益最大的来进行分类，
C4.5选择增益率最大的进行分类，