nfty19的博客

本文主要介绍的是kmeans算法，从原理到实现再到实战，呈现出完整的kmeans算法

数据分类分析监督学习基本概念分类任务就是通过学习得到一个目标函数f，把每个属性集x映射到预先定义的类标号y。一般方法决策树分类法基于规则的分类法神经网络支持向量机朴素贝叶斯分类法均采用一种学习算法（learning algorithm）确定分类模型主要目标 ：建立一个具有很好的泛化能力的模型，即能正确预测未知样本类标号的模型。无监督学习聚类分析（无监督分类）是一个把数据对象划分成子集的过程，每个子集都是一个簇（cluster），使得簇中的对象彼此相似，但与其它簇中的对象不相似

关联规则——Apriori算法简介关联规则分析也成为购物篮分析，最早是为了发现超市销售数据库中不同的商品之间的关联关系。例如一个超市的经理想要更多地了解顾客的购物习惯，比如“哪组商品可能会在一次购物中同时购买？”或者“某顾客购买了个人电脑，那该顾客三个月后购买数码相机的概率有多大？”他可能会发现如果购买了面包的顾客同时非常有可能会购买牛奶，这就导出了一条关联规则“面包=>牛奶”，其中面包称为规则的前项，而牛奶称为后项。通过对面包降低售价进行促销，而适当提高牛奶的售价，关联销售出的牛奶就有可能增加超

贝叶斯决策建模先验分布根据先验信息所确定的概率分布叫先验分布，获得先验分布是贝叶斯分析的基础。决策中先验分布的获得具有高度的主观性。先验假设为使先验分布估计规范化，需要做一定的假设。连通性假设：指事件A和事件B发生的可能性是可比的传递性假设：若对事件A、B、C，有p(A)>p(B), p(B)>p©, 则p(A)>p©。部分与全体：部分与全体关系假设：若事件A是事件B的一部分，则p(B)≥p(A)。先验分布估计比较法1-离散型（对事件发生的各种状态加以比较确定相对似