数据挖掘算法介绍综述(ppt30)-经营管理(编辑修改稿)内容摘要：
ion rules) 聚类 (clustering) 神经网络 (Artificial Neural Networks， 简记作 ANN) 粗糙集 (rough set) 概念格 (concept lattice) 遗传算法 (geic algorithms) 序列模式 (sequence pattern) 贝叶斯 (Bayes) 支持向量机 (support vector machine， 简记作 SVM) 模糊集 (fuzzy set) 基于案例的推理 (casebased reasoning， 简记作 CBR) 决策树 决策树学习是以实例为基础的归纳学习算法 ,着眼于从一组无次序 /无规则的事例中推理出决策树表示形式的分类规则； 决策树基本算法是 :贪心算法 ,它以自顶向下递归、各个击破方式构造决策树 . 关联规则 关联规则是形式如下的一种规则， “ 在购买面包和黄油的顾客中，有 90％的人同时也买了牛奶 ” （面包＋黄油 → 牛奶）； 关联规则的 “ 三度 ” ：支持度、可信度、兴趣度。 聚类 聚类是根据数据的不同特征 ,将其划分为不同的簇（ cluster） ,目的是使得属于同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别（相异度）较大； 聚类技术大致分为五种： 划分方法（ partitioning method） 层次方法（ hierarchical method） 基于密度的方法（ densitybased method） 基于网格的方法（ gridbased method） 基于模型的方法（ modelbased method） 神经网络 人工神经网络 ， 是对人类大脑系统的中模拟； 神经网络是一组连接的输入 /输出单元 ,其中每个连接都与一个权相关联 ,在学习阶段,通过调整神经网络的权 ,使得能够预测输入样本的正确类标号来学。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。