原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
浙江经贸职业技术学院与挖掘数据分析大数据基础Unit6《大数据基础》.移动商务营销课程群6.2.1数据挖掘算法分类6.2.2数据挖掘算法典型应用6.2数据挖掘常用算法
6.2.1数据挖掘算法分类1数据挖掘算法概述在数据挖掘的模型创建过程中，数据挖掘算法在模型训练中起到了非常重要的作用。国际权威的学术组织theIEEEInternationalConferenceonDataMining(ICDM)在2006年12月评选出了数据挖掘领域的十大经典算法：C4.5,k-Means,SVM,Apriori,EM,PageRank,AdaBoost,kNN,NaiveBayes,和CART。其实参加评选的18种算法，随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。还有很多数据挖掘算法在特定场合下发挥着作用。
6.2.1数据挖掘算法分类是指对数据的若干特征与若干标签之间的关联性进行建模的过程。包括分类、回归两大类算法。例如：描述一个人的身高、体重是特征、是否肥胖是标签。有监督学习是指对只带若干特征而不带任何标签的数据进行建模，去分析数据本身的内在特点和结构。包括聚类、降维两大类算法。例如：只描述一个人的身高和体重。无监督学习介于有监督学习和无监督学习之间，通常用在数据标签不完整的情况。包括了半监督分类、半监督回归、半监督聚类、半监督降维算法。半监督学习2数据挖掘常用算法的分类
6.2.1数据挖掘算法分类3有监督学习算法划分分类回归12有监督学习算法划分分类任务中，标签都是离散值。比如决策树算法、朴素贝叶斯算法等。回归任务中，标签都是连续值。比如线性回归算法等。
6.2.1数据挖掘算法分类4无监督学习算法划分聚类降维12无监督学习算法划分聚类任务中，没有标签，主要是将数据分成不同的组别。如kmeans聚类算法等。降维任务，主要是为了用更简洁的方式表示数据。如主成分分析等。
《大数据基础》在线开放课程组《大数据基础》.移动商务营销课程群
文档评论（0）