数据挖掘的分类算法有哪些，都有哪些优势？

        

    数据挖掘的算法类型有很多，其中分类算法，具有哪些优势？

       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。

        以上是一些比较经典的分类算法的优势，数据挖掘是一项大工程，数据挖掘之后，还要牵涉数据分析，通透了数据挖掘之后，一定要知道，数据时代，怎么才能有效地分析数据？ - 大数据 多智时代