机器学习算法学习

参考链接

• 十大经典数据挖掘算法

k-近邻(kNN)

1. 算法原理
   1. 存在一个每个数据都有标签的训练样本集，即知道样本集中每一数据与所属分类的对于关系。
   2. 输入一个没有标签的新数据后，将新数据的每个特征与样本集中数据对于的特征进行比较，然后提取样本集中特征最相似的分类标签。
   3. 一般只选取样本数据集中前k个最相似数据，这就是k-近邻算法中k的出处，通常k取不大于20的整数。
   4. 最后选择k个最相似数据中出现次数最多的分类，作为新数据的分类

K-Means

1. 参考文档
   • http://blog.csdn.net/zouxy09/article/details/17589329

（期望最大化算法）

1. 参考文档
   • http://blog.csdn.net/zouxy09/article/details/8537620

SVM

C4.5

CART

PageRank

AdaBoost

Naive Bayes

Apriori