資料挖掘分類資料挖掘中的經典算法（一）彙總--誰說做系統的就不能研究資料挖掘？

改章節是一篇關于資料挖掘分類的文章

     碩士讀了快一年了一直專注于系統開發方向，尤其是分布式和資料庫這一塊，身旁其他很多同寅都是資料發掘這個方向，耳濡目染，最近學習了資料發掘的相幹内容，忽然認為還是蠻有意思的貨色，在這裡對資料發掘領域的相幹經典算法做一個綜述，日後一一詳解。

    一、分類算法

    #1.   C4.5 

    #2.   CART（Classification and Regression Tree）分類和回歸樹

    #3.   K Nearest N'ei'ghbours（KNN）K近鄰

    #4.   Naive Bayes  樸實貝葉斯

    二、統計學習

    #5.   SVM（Support Vector Machine） 支撐向量機

    #6.   EM（Expectation Maximization） 最大期望

    三、關聯分析

    #7.   Apriori

    #8.   FP-Tree(Frequent Pattern Tree)  頻繁模式樹

    四、連結發掘

    #9.   PageRank

    #10.   HITS

    五、聚類

    #11.   K-Means

    #12.   BIRCH

    六、Bagging and Boosting

    #13.   Adaboost

    七、Sequential Pattern（序列模式）

    #14.   GSP（generalized sequential pattern）

    每日一道理

時間好比一條小溪，它能招引我們奔向生活的海洋；時間如同一葉扁舟，它将幫助我們駛向理想的彼岸；時間猶如一支畫筆，它會指點我們描繪人生的畫卷。

    #15.   PrefixSpan

    八、完整性發掘

    #16.   CBA（Classification Based on Association）關聯分類

    九、粗糙集

    #17.   Finding Reduct （知識約簡）