06数据分析 - 预测性分析

预测性分析

分类

1. 决策树算法
   计算步骤：
   选择对象的一个特征，并根据这一特征对训练集进行分类
   计算某特征分类后分类结果的混乱程度 （使用基尼系数，系数越小越接近根结点）
   

    以混乱程度最低为原则，确定最佳节点
    删除不必要的节点
    生成模型进行预测	
   

2. 随机森林算法

3. KNN-最近邻分类算法

4. 神经网络算法

聚类

仅依据数据中发现的描述对象的特征，将数据进行分组，其目标是，组内的对象相互间是相似的，面不同组之间的对象是不同的

1. K-means
   是以最小误差函数的值最小为目标，按照预设的分类数量，采用距离作为相似性的评价指标，认为两个对象的距离越近，其相似度越大
   常用计算距离方式：
   
   
   2. K-中心点
   3. 多层次聚类