数据挖掘十大算法

1、 数据挖掘算法主要包括以下几种：1. 分类算法：如决策树、随机森林、支持向量机（SVM）等。 这些算法可以用于预测类别型数据。 2. 聚类算法：如K-means、层次聚类、DBSCAN等。 这些算法用于将数据分组，使得相似的数据点聚集在一起。

4、 4、最近邻算法——KNN KNN即最近邻算法，其主要过程为：计算训练样本和测试样本中每个样本点的距离(常见的距离度量有欧式距离，马氏距离等);对上面所有的距离值进行排序;选前k个最小距离的样本;根据这k个样本的标签进行投票，得到最后的分类类别;如何选择一个最佳的K值，这取决于数据。

2、 大数据挖掘的算法：1.朴素贝叶斯，超级简单，就像做一些数数的工作。 如果条件独立假设成立的话，NB将比鉴别模型收敛的更快，所以你只需要少量的训练数据。 即使条件独立假设不成立，NB在实际中仍然表现出惊人的好。 2. Logistic回归，LR有很多方法来对模型正则化。

5、 4、关联规则。 关联规则是描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。

3、 以下主要是常见的10种数据挖掘的算法，数据挖掘分为：分类（Logistic回归模型、神经网络、支持向量机等）、关联分析、聚类分析、孤立点分析。