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

版权声明：本文为lixiaohao1992原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/lixiaohao1992/p/9483874.html