数据挖掘算法

数据挖掘：从海量数据中提取或挖掘知识的过程，分类、聚类、关联规则和离群点分析是数据挖掘的重要功能。

• 分类是找出描述和区分数据类的模型，以便能够使用模型来预测类标号未知的对象，典型的方法：决策树（ID3、C4\5、K最近邻、贝叶斯、人工神经网络、支持向量机（SVM））
• 聚类：按物以类聚的方法，K-means发现相关的观测值组群，使组内的观测值尽量相似，相似的即为一类。常见有K-means和Apriori
• 序列模式分析：侧重点是分析数据间的前后因果关系。
• 关联分析：挖掘出隐藏在数据间的相互关系。
• 离群点分析：异常检测，其目标是发现与大部分其他对象不同的对象。
• 回归分析：确定两种或以上的变量相互依赖的定量关系的一种统计分析方法。
• 决策树：构建树结构进行分析。
• 神经网络：类似统计学中的判别、回归、聚类等功能。
• 遗传算法：三个基本过程：繁殖（选择）→ 交叉 → 变异。
• 关联规则挖掘算法（数据之间存在关系的规则）。