6.3 数据挖掘常见算法.pptx

03数据挖掘常见算法

一种基于实例的学习算法。对于待分类样本，选择距离最近的K个邻居，通过“多数表决”确定其类别。核心思想是通过样本周边的已知类别数据来推断未知样本的归属。K近邻算法(KNN)基于贝叶斯定理和特征条件独立假设的分类方法。通过计算样本属于每个类别的后验概率，选择概率最大的类别作为预测结果，常用于文本分类等概率性场景。朴素贝叶斯(NaiveBayes)01026.3.1分类算法

算法简介K-Means是一种经典的无监督学习算法，用于将数据划分为K个不重叠的聚类。通过迭代分配数据点到最近的聚类质心，并更新质心，直至收敛。聚类数量选择选择合适的聚类数量K是关键，常用方法包括肘法