数据挖掘算法分类
x
数据挖掘算法分类
数据挖掘（Data Mining）是一种从数据库中挖掘有价值信息的统计计算技术，他可以帮助发现有价值的潜在规律和发现新的知识。

数据挖掘算法可以分成四类：
一、分类算法：
分类算法是数据挖掘算法中最常用的技术，它可以根据给定的样本集合，建立一个预测模型，从而用来识别新样本的类别。

典型的分类算法有：决策树（Decision Tree）、朴素贝叶斯（Naive Bayes）、神经网络（Neural Networks）等。

二、关联分析算法：
关联分析算法是数据挖掘算法中最关注的技术，它可以根据不同的数据项之间的关系来发现对某一商品或者服务感兴趣的客户群，从而可以针对不同客户群提供合适的营销活动，增加销售。

使用关联分析时，必须要注意规则的支持度（support）和置信度（confidence）的问题，以及它们之间的权衡关系。

三、聚类算法：
聚类算法是数据挖掘算法中最有用的一种技术，它可以根据给定的数据样本，把它们聚类到若干个不同的簇中，从而进一步了解数据样本。

典型的聚类算法有：K-Means聚类（K-Means Clustering）、DBSCAN聚类（DBSCAN Clustering）等。

四、回归分析算法：
回归分析算法是数据挖掘算法中用于识别数据和规律的一种技术，它可以根据给定的数据集，建立一个预测模型，从而用来预测新数据的值。

典型的回归算法有：线性回归（Linear Regression）、局部加权回归（Locally Weighted Regression）等。