Un algoritmo de aprendizaje supervisado clásica
algoritmo KNN: determinar qué vino de la muestra y de la clase de muestra hace poco, a continuación, esta muestra pertenece a esta categoría.
Decisión del árbol: Qué condiciones sobre el resultado determinado por el incremento máximo de entropía, se determina que esta condición es la primera característica, y luego determinar qué condiciones el mayor impacto en resultados por incremento de entropía sobre la base de la primera característica determina la segunda características, y así sucesivamente, hasta que la entropía es cero, o ningún efecto hasta que las condiciones.
En segundo lugar, el algoritmo de aprendizaje no supervisado
Después de especificar en clases K, generado de forma aleatoria de coordenadas de las clases de centro K, utilizando las coordenadas del centro de clúster k-ésima, las coordenadas del centro de cada conjunto de clases después de la agrupación se calcula para actualizar las coordenadas del centro de la k, y luego utilizar la actualización: K-Means Algoritmo k-ésima coordenadas del centro de clúster de nuevo, y luego calcula las coordenadas del centro de la agrupación, y luego actualizar las coordenadas del centro de la k. Esto se repite hasta que las coordenadas del centro no cambian o pocos cambios.
reglas de asociación Apriori algoritmo: primero calcular la probabilidad de una serie de conjuntos frecuentes, y luego calcular el apoyo y la confianza de la regla. (Principalmente porque no entendía muy bien este algoritmo sólo puede aprender una breve charla acerca)
