python数据分析和挖掘实战

第五章：

1， 常用的分类和预测算法

2， 回归分析

3， 主要回归模型

4， 决策树算法:

tip：使用dot -Tpng data.txt -o data.png 可以将生成的树用Graphivz进行可视化。（目前会出现编码问题，还没解决）

5 ,人工神经网络算法:

6，分类与预测算法评价

6.1 绝对误差和相对误差

6.2平均绝对误差

6.3均方误差

6.4均方差误差

6.5 平均绝对误差

6.6 Kappa统计

6.7识别准确度

6.8 识别精确度

6.9 反馈率

7，分类预测模型分类和预测

8， 常见的聚类方法

9， 常用聚类分析算法

10， 连续属性与相似性的度量

11， 度量样本之间的相似性可以使用距离来算

12，文档数据

文档数据使用余弦相似性度量，可以建立一个词频表

13，目标函数

14, 聚类函数列表:

15, 关联规则算法：

16，时间序列模型

17, 时间序列的预处理

首先对其的纯随机性和平稳性进行检验

18，主要时序模式的算法: