数据挖掘算法主要分为两类,有监督学习和无监督学习,有监督学习主要分为分类模型和预测模型,无监督学习主要分为关联分析和聚类分析。 其中数据挖掘分类算法主要有朴素贝叶斯、决策树归纳、随机森林、支持向量机SVM、遗传算法,以上都是数据挖掘的分类算法。 至于说主要优势,那也是比较多的,具体如下: 朴素贝叶斯:是一种机器学习的思想,而不是一个简单的直接套用的公式,在生产生活中作为机器学习手段的场景非常多,使用广泛。 决策树归纳:在观察中和总结中认识世界,自己总结出知识和规律。 随机森林:并行性比较好的算法规则。 支持向量机SVM:支持向量机SVM是一种比较抽象的算法概念,比较适合来做模式识别、分类或者回归的机器学习。
|