概述 优点：降低数据的复杂性，识别最重要的多个特征 缺点：不一定需要，且可能损失有用信息 适用数据类型：数值型数据 数据维度 这是一个二维数据，...

从FP树中挖掘频繁项集 从FP树中抽取频繁项集的三个基本步骤如下： 从FP树中获得条件模式基 利用条件模式基，构建一个条件FP树 重复步骤1、2...

概述 优点：一般要快于Apriori 缺点：实现比较困难，在某些数据集上性能会下降 适用数据类型：标称型数据 FP-growth算法将数据存储在...

从频繁项集中挖掘关联规则 频繁项集有其量化定义，即它满足最小支持度要求。对于关联规则，也有类似的量化方法，这种量化指标称为可信度。一条规则P -...

概述 优点：易编码实现 缺点：在大数据集上可能较慢 适用数据类型：数值型或标称型数据 关联分析 从大规模数据集中寻找物品间的隐含关系被称作关联分...

二分K-均值算法 为了解决K-均值算法收敛于局部最小值的问题，有人提出了二分K-均值的算法。首先，将整个数据集作为一个簇，然后将该簇一分为二。之...

概述 优点：容易实现 缺点：可能收敛到局部最小值，在大规模数据集上收敛较慢 适用数据类型：数值型数据 聚类是一种无监督学习，将相似的对象归到一个...

模型树 观察下图的数据分布，很容易发现可以用两条直线来拟合数据，0.0 ~ 0.3是一条直线，0.3 ~ 1.0是一条直线，可以得到两个线性模型...

树剪枝 一棵树如果节点过多，说明该模型存在过拟合问题。 通过降低决策树的复杂度来避免过拟合的过程称为剪枝（pruning）。树回归（一）中的ch...