摘要： 基于贝叶斯理论的分类方法优点：在数据较少的情况下仍然有效，可以处理多类别问题缺点：对于输入数据的准备方式较为敏感贝叶斯决策理论的核心思想就是选择具有最高概率的决策。条件概率已知条件下的概率，在书中是以取灰白石头为例。已知条件为A，发生B的概率为P(B|A)=P(B and A)/P(A)已知P(x|... 阅读全文

摘要： 参考：http://blog.csdn.net/v_july_v/article/details/7577684决策树，设计到信息论知识，信息熵，信息增益率等概念ID3算法、C4.5算法决策树进程被用来来处理分类问题，最近也常用的数据挖掘算法有点：计算复杂度不高，输出结果易于理解，对中间值缺失不敏感... 阅读全文

摘要： 属于离散监督，是一个简单的分类算法工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入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应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。k-... 阅读全文