【方法】建模方法学习2，数据挖掘(3)
数据挖掘十大经典算法1。C4.5：是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。
2. K-means算法：是一种聚类算法。
3.SVM：一种监督式学习方法，广泛运用于统计分类以及回归分析中
4.Apriori ：是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM：最大期望值法。
6.pagerank：是google算法的重要内容。
7. Adaboost:是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器**起来，构成一个更强的最终分类器。
8.KNN:是一个理论上比较成熟的的方法，也是最简单的机器学习方法之一。
9.Naive Bayes：在众多分类方法中，应用最广泛的有决策树模型和朴素贝叶斯（Naive Bayes）
10.Cart：分类与回归树，在分类树下面有两个关键的思想，第一个是关于递归地划分自变量空间的想法，第二个是用验证数据进行减枝。
基本参考书 简单推荐
《数据挖掘：概念与技术》，Jiawei Han、Micheline Kamber等著，机械工业出版社，2001年。 ISBN 1-55860-489-8。
最负盛名的数据挖掘著作，但版本较老，对读者的计算机尤其是数据库背景要求较高。
《数据挖掘导论》， Pang-Ning Tan, Michael Steinbach等著，范明、范宏建等译，人民邮电出版社，2006年。 ISBN 7-115-14698-5 。图灵教育
最新出版的数据挖掘著作，其写作目的是“尽可能直接地学习数据挖掘，以便尽快地将其应用到各自的领域”。覆盖了多学科应用实例，对读者数学和计算机背景要求较低。
《数据挖掘》，丁一贤、陈牧言合著，沧海出版社，2005年。 ISBN 986-7777-98-0 。沧海书局
Yuchun Lee et al. (1998), "Solving Data Mining Problems Through Pattern Recognition" , ISBN 0-13-095083-1
Oded Maimon and Mark Last (2000), "Knowledge Discovery and Data Mining - The Info-Fuzzy Network (IFN) Methodology", Kluwer Academic Publishers. ISBN 0-7923-6647-6
Sholom Weiss and Nitin Indurkhya(1998). "Predictive Data Mining". Morgan Kaufman. ISBN 1-55860-403-0
Ian Witten and Eibe Frank, "Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations" (2000), ISBN 1-55860-552-5, (see also Free Weka software)
《数据挖掘(原书第2版)》，~ Jiawei Han (作者), Micheline Kamber (作者), 范明 (译者), 孟小峰 (译者) ，机械工业出版社,2007年3月1日.ISBN 9787111205388
页:
[1]