c4.5決策樹演算法，在建立的過程中進行剪枝，並且可以處理連續的屬性，也可以對不完整的資料進行處理。他是決策樹演算法中具有里程碑式的演算法。
樸素貝葉斯（***** bayes)基於概率論的原理。基本思想：對於給出的具體物體想進行分類就要 算出這個物體出現條件下各個類別出現的概率，那個概率最大，該物體就屬於哪一類。
svm支援向量機演算法。svm在訓練過程中建立了超平面的分類模型，將低維的資料對映到高維進行分類。
knnk最近鄰演算法，k-nearest neighbour。所謂的k近鄰，就是每個樣本都可以用它最接近的k個鄰居來代表。即乙個樣本，他的k個最近的鄰居都屬於分類a，那麼這個樣本也屬於分類a。
adaboost自適應提公升演算法，他在分類時建立了乙個聯合的分類模型，他可以用多個弱分類器組成乙個強的分類器。
cartclassification and regression trees,和c4.5一樣他是乙個決策樹演算法。
apriori挖掘關聯規則（associate rules）演算法，他通過挖掘頻繁項集（frequent item sets）來揭示物品之間的關聯關係，他被廣泛運用到商業挖掘和網路安全等領域。
k-means聚類演算法，將所有物體劃分成k類。假設每個類裡面都有」中心點「，即意見領袖，他時這個類的核心。這時如果有乙個新的物品要進行分類，這時就只要計算這個點與k個中心點的距離，與那個中心點近，就屬於那個類。
em聚類演算法，也叫最大期望演算法，是求引數的最大似然估計的一種方法。原理是這樣的：假設我們想要評估引數 a 和引數 b，在開始狀態下二者都是未知的，並且知道了 a 的資訊就可以得到 b 的資訊，反過來知道了 b 也就得到了 a。可以考慮首先賦予 a 某個初值，以此得到 b 的估值，然後從 b 的估值出發，重新估計 a 的取值，這個過程一直持續到收斂為止。、
pangrankpagerank 起源於**影響力的計算方式，如果一篇文論被引入的次數越多，就代表這篇**的影響力越強。同樣 pagerank 被 google 創造性地應用到了網頁權重的計算中：當乙個頁面鏈出的頁面越多，說明這個頁面的「參考文獻」越多，當這個頁面被鏈入的頻率越高，說明這個頁面被引用的次數越高。基於這個原理，我們可以得到**的權重劃分。
資料探勘十大演算法
資料探勘十大演算法分為c4.5,k means,svm,apriori,em,pagerank,adaboost,knn,bayes,cart十種演算法。c4.5 關聯演算法 id3。關係 c4.5是id3的改進。決策樹演算法的一種。k means 聚類演算法。svm 支援向量機。apriori 關...
大資料人才戰報 十大資料分析職業趨勢
與大資料概念知名度和企業熱情形成對比的是 大資料正面臨全球性的人才荒。企業對新型大資料分析和 技術人才的熱情和需求正在超過傳統的商業智慧型和資訊管理人才。無論是資料分析的新手還是老鳥，都需要對大資料引發的資料分析職業革命做好充分的準備，以下是information week根據一次大資料企業應用調查...
十大排序演算法的分析
部落格說明 十大演算法比對圖 來自尚矽谷 相關術語解釋 穩定如果a原本在b前面，而a b，排序之後a仍然在b的前面 不穩定如果a原本在b的前面，而a b，排序之後a可能會出現在b的後面 內排序所有排序操作都在記憶體中完成 外排序由於資料太大，因此把資料放在磁碟中，而排序通過磁碟和記憶體的資料傳輸才能...