用于数据挖掘的分类算法有哪些，各有何优劣

最新问答

• A田欣团队

  1. .5
     .5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法.

  2. The k-means algorithm 即K-Means算法

  k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k < n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个组内部的均 方误差总和最小。

  
  

  3. Support vector machines
  支持向量机，英文为Support Vector Machine，简称SV机（论文中一般简称SVM）。它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更 高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化

  4.The Apriori algorithm
  Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。

  5.最大期望(EM)算法
  在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然 估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variabl）。最大期望经常用在机器学习和计算机视觉的集聚（Data Clustering）领域。
  

  浏览 430赞 83时间 2023-01-30