【方法】建模方法学习2，数据挖掘(3)

百年孤独

数据挖掘十大经典算法
$ i4 H+ }3 o( P' H* Q* B) z1。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 J0 }. K* x4 `$ B" [2. K-means算法：是一种聚类算法。 　　
, |5 W5 G1 N8 D0 R$ D7 s3.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 　　
9 X( \+ T  {9 m/ k' T) I% ~+ m4.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。 　　
& S% {% J8 i5 P; @( I3 ]2 O, g6.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。 　　
3 ~" e$ D; W9 p0 l5 O! C8.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） 　　
- B3 d( r( s* G' H* K! _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
3 v8 `3 n( \8 R, q- f
《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。
% k# `2 ]- ?! e* K$ Q9 u4 ^# Y
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。
+ i9 o: V, a8 g# V8 g% Q0 N
0 G- [0 v* j- @4 m+ k《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
& s3 g  g) R0 u9 h! w
# `) h5 Z1 V" G" |6 c; V; kOded Maimon and Mark Last (2000), "Knowledge Discovery and Data Mining - The Info-Fuzzy Network (IFN) Methodology", Kluwer Academic Publishers. ISBN 0-7923-6647-6
) ~4 X9 e. n! K1 m. M
Sholom Weiss and Nitin Indurkhya(1998). "Predictive Data Mining". Morgan Kaufman. ISBN 1-55860-403-0
7 |) L7 [$ U6 B
$ ~1 t9 ~7 Y. J/ z. u. ZIan 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)
0 v+ W# Y0 ~, k2 }1 T
《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
7 ?% V( W7 Z: |0 T& k; Z
- @# l+ t" Z$ O; ]. M2 h" X$ T