详细解释数据挖掘中的 10 大算法（上） - 博客 - 伯乐在线

详细解释数据挖掘中的 10 大算法（上） - 博客 - 伯乐在线

详细解释数据挖掘中的 10 大算法（上） 还等什么？这就开始吧！ 等下，什么是分类器呢？ 分类器是进行数据挖掘的一个工具，它处理大量需要进行分类的数据，并尝试预测新数据所属的类别。 举个例子吧，假定一个包含很多病人信息的数据集。我们知道每个病人的各种信息，比如年龄、脉搏、血压、最大摄氧量、家族病史等。这些叫做数据属性。 现在： 做法是这样的： 病人有癌症的病史 病人有和癌症病人高度相似的基因表达 病人有肿瘤 病人的肿瘤大小超过了5cm 基本原则是： 那 C4.5 算法和决策树系统有什么区别呢？ 首先，C4.5 算法在生成信息树的时候使用了信息增益。 最后，不完全的数据用算法自有的方式进行了处理。 分类器是很棒的东西，但也请看看下一个聚类算法…. 举个例子，假设我们定义一个病人的数据集。在聚类分析里，这些病人可以叫做观察对象。我们知道每个病人的各类信息，比如年龄、血压、血型、最大含氧量和胆固醇含量等。这是一个表达病人特性的向量。 请看： 那它是怎么处理的呢？k-means 算法有很多优化特定数据类型的变量。 我们现在有 k 个类，并且现在每个病人都是一个类中的一员。 这个中心成为类新的中心点。 为什么要使用 k-means 算法呢？我认为大多数人都同意这一点： k-means 关键卖点是它的简单。它的简易型意味着它通常要比其他的算法更快更有效，尤其是要大量数据集的情况下更是如此。 但用k-means 算法也不是一帆风顺的： 咦？一个超..

Read full article from 详细解释数据挖掘中的 10 大算法（上） - 博客 - 伯乐在线