20、数据挖掘与可视化：支持向量机、Apriori算法及Incanter绘图

数据挖掘与可视化：支持向量机、Apriori算法及Incanter绘图

1. 支持向量机（SVM）原理

支持向量机是一种用于线性分离数据的方法，其核心是找到最优超平面。不过，它在处理线性问题时与线性回归并无太大差异。为了提升性能，SVM会先使用核函数对数据进行转换，这能让许多非线性数据集变得线性可分，从而更易于处理。

相关资源

• LibSVM类文档： http://weka.wikispaces.com/LibSVM
• 《支持向量机傻瓜指南》： http://www.cs.ucf.edu/courses/cap6412/fall2009/papers/Berwick2003.pdf
• 电离层数据集信息： http://archive.ics.uci.edu/ml/datasets/Ionosphere

2. 使用Apriori算法挖掘数据关联

数据挖掘和聚类的主要目标之一是揭示数据中隐含的关系，Apriori算法能将这些关系提炼成明确的关联规则。以下以蘑菇数据集为例，介绍如何使用