fengxiandada的博客

数据挖掘十大算法之分类算法(决策树模型)接上篇文章分类介绍及评价指标我们讨论了分类算法中，分类模型的选择是非常关键的一步，接下来我们分析常用的分类模型——决策树模型在本文中没有举例，全部为概念，所有举例都在ID3算法的学习中1. 决策树的概念决策树是一种树形结构，决策树包含一系列规则，一般我们使用决策树将大型记录集分割为小记录集，通过每一次连续分割，结果集中的成员彼此变得越来越相似。例如我们想用决策树来分类下面表中的数据，来分析什么样的人群会购买电脑：那我们可以生成下图所示的决策树，可以看到，

数据挖掘十大算法之分类算法(分类介绍及评价指标)接上篇文章，接下来学习挖掘算法中的分类算法：首先我们应该知道数据挖掘十大算法中可以简单的进行分类，分为分类算法，聚类算法和关联规则三大类算法分类连接分析：PageRank关联分析：Apriori分类算法：ID3、C4.5，朴素贝叶斯，SVM，KNN，Adaboost，CART聚类算法：K-Means，EM这里研究分类算法中的决策算法——ID3算法，有ID3算法的知识背景后分析C4.5算法就会容易很多1. 分类相关知识1.1 分类的概念

文章目录1. weka安装2. 先分析一个Apriori算法的关联规则挖掘实例3. 利用weka进行数据挖掘3.1 将数据转为ARFF格式3.2 利用weka进行分析4. 参考文章首先，如果不熟悉weka的使用的话，可以从我的git仓库里面拉取一下weka的相关教程，仓库里面还有包含此次实例的所有资源1. weka安装我们可以在weka的官网上下载weka软件：weka官网如果下载速度慢的话也可以直接从我的git仓库里面拉取这个软件，软件是win64位的weka-3-8-6然后找到对应版本：

文章目录1. “啤酒与尿布”的案例2. Aprior算法核心术语事物集记录(事务)项目(项)项目集(项集)K项集支持度(Support)置信度(Confidence)最小支持度(min_support)最小置信度(min_confidence)提升度频繁K项（目）集候选K项（目）集3. Aprior算法的三大性质（关联规则的三大性质）4. Aprior算法实现过程5. 数据挖掘5.1 寻找关联属性5.2 生成关联规则5.3 更加严谨的栗子6. Aprior算法的优缺点6.1 改进Aprior算法6.2 F