【数据挖掘】数据挖掘中的经典算法

最近的研究需要用到数据挖掘算法，然而当我使用时发现大三学过的数据挖掘知识都基本忘光了，需要重新进行学习，既然如此，我打算再重新对数据挖掘进行学习整理，这里整理一下数据挖掘领域的相关算法，做一个综述，以后再针对每个算法进行详解，以督促自己重新学习，认真整理、理解以及做好笔记，避免再次遗忘。

很多数据挖掘算法也是机器学习算法，所以以下的一些算法将来我也会归入机器学习的类型之中。

一、分类
1.1. C4.5 生成decision tree 决策树
1.2. CART（Classification and Regression Tree）分类和回归树
1.3. KNN (K Nearest Neighbours）K近邻
1.4. Naive Bayes 朴素贝叶斯

二、统计学习
2.1. SVM（Support Vector Machine） 支持向量机，也属于分类算法
2.2. EM（Expectation Maximization） 最大期望

三、关联分析
3.1. Apriori 基于先验原理
3.2. FP-Tree(Frequent Pattern Tree) 频繁模式树

四、链接发掘
4.1. PageRank 网页排名
4.2. HITS (Hyperlink-Induced Topic Search) 超文本敏感标题搜索

五、聚类
5.1. K-Means k均值聚类
5.2. BIRCH (Balanced Iterative Reducing and Clustering using Hierarchies) 层次聚类

六、Bagging and Boosting
6.1. Adaboost

七、Sequential Pattern（序列模式）
7.1. GSP（generalized sequential pattern）
7.2. PrefixSpan

八、完整性发掘
8.1. CBA（Classification Based on Association）关联分类

九、粗糙集
9.1. Finding Reduct （知识约简）

十、图发掘
10.1. gSpan（频繁子图发掘）