知识卡片
数据挖掘算法分类
数据挖掘是按问题类型划分的一组算法。分类回答对象属于哪一类,如 k 近邻看样本最近的 k 个邻居多属哪类,支持向量机在高维空间找间隔最大的分界面。聚类回答对象能自然分成几群,如 k-Means 让各组内误差平方和最小。关联挖掘回答哪些事物常一起出现,如 Apriori 寻找频繁项集。预测回答接下来会发生什么。降维与异常检测分别处理维度过高和异常点。面对需求,先判断属于哪类问题,可选算法的范围自然收窄。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《数据库原理(微课版)》第12章《大数据管理技术》12.2.2节"大
数据知识获取技术"(源文件:_epub-src/index_split_008.html)
- 结论依据:原文明确"经典的数据挖掘算法包括以下几种:分类算法、
聚类算法、关联性挖掘算法、预测算法、降维算法和异常检测算法等
……k-Means算法是一个聚类算法,把n个对象根据它们的属性分为k个
分割……目标是使各个群组内部的均方误差总和最小……Apriori算法是
一种较有影响力的挖掘布尔关联规则频繁项集的算法……所有支持度
大于最小支持度的项集称为频繁项集",因此可以推出数据挖掘算法按
任务类型分类的谱系结构。
- 原始内容:经典的数据挖掘算法包括以下几种:分类算法、聚类算法、关联性挖掘算法、预测算法、降维算法和异常检测算法等。其中每类算法又包括多种算法,例如分类算法包括贝叶斯分类算法、支持向量机、BP神经网络、决策树和k近邻分类算法等。