基本思想 1.选择一个属性放置在根节点，为每个可能的属性值产生一个分支 2.将样本划分成多个子集，一个子集对应于一个分支 3.在每个分支上递归地重复这个过程，仅使用真正到达这个分支的样本 4.如果在一个节点上的所有样本拥有相同的类别，即停止该部分树的扩展 ID3算法思想： (1) 初始化决策树T为只含一个树根(X,Q)，其中X是全体样本集，Q为全体属性集。 (2) if

C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：     1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；     2) 在树构造过程中进行剪枝；     3) 能够完成对连续属性的离散化处理；     4) 能够对不完整数据进行处理。 C4.5算法优点：产生的分类规则易于理解，准确率较高。 缺点：在构造树的过程中，需要对数

飞

聚类分析算法

Apriori算法是R.Agrawal和R.Srikant于1994年提出的为布尔关联规则挖掘频繁项集的原创性质算法。正如我们将看到的，算法的名字基于这样的事实：算法使用频繁项集性质的先验性质。Apriori使用一种称作逐层搜索的迭代方法，k项集用于探索（k+1）项集。首先，通过扫描数据库，累积每个项的计数，并收集满足最小支持度的项，找出频繁1项集的集合。该集合记作L1。然后L1用于找频繁2项集的