常见数据挖掘算法描述-分类算法

分类算法：

朴素贝叶斯算法：是统计学分类方法，可以预测类成员关系的可能性，如给定样本属于一个特定的概率，通过朴素贝叶斯节点，可以利用对真是世界认知的判断力并结合所观察和记录的证据，使用着相似不相关的属性建立事件发生的几率，从而构建概率模型。

决策树：通过决策树算法，可以开发分类系统，此分类系统可以基于一组决策规则来预测或分类未来的观测值。

逻辑回归：逻辑回归算法用于确定变量之间的因果关系，建立回归模型，研究现象之间是否相关、相关的方向和密切过程。

随机森林：随机森林算法支持大量特征属性标签，通过随机抽样创建多个决策树模型来提取分类规则，避免单一决策树的过拟合问题。

邻接点分析：用于找出任意两个存在重合邻接点的节点对。

稀疏线性：支持大量特征属性标签，充分利用高维度数据进行精确分析建模。