数据挖掘的算法与应用案例.pptx

数据挖掘的算法与应用案例;;01;;包括数据收集、数据预处理、数据挖掘、结果分析和结果解释等步骤。;常用数据挖掘方法及技术;;02;;数据离散化;特征选择与降维方法;;03;;K-means算法;Apriori算法;异常检测;04;线性回归

通过拟合数据点的最佳直线来进行预测和建模，常用于预测连续值。

逻辑回归

用于二分类问题，通过Sigmoid函数将线性回归的输出映射到(0,1)区间，预测概率。

支持向量机（SVM）

寻找一个超平面以尽可能地区分两个类别的数据点，适用于高维数据。

案例

客户信用评分，基于历史数据建立监督学习模型，预测新客户违