数据挖掘算法总结--核心思想，算法优缺点，应用领域，数据挖掘优缺点

数据挖掘十大算法总结--核心思想，算法优缺点，应用领域，数据挖掘优缺点


•分类算法：C4.5,CART,Adaboost,NaiveBayes,KNN,SVM

•聚类算法：KMeans

•统计学习：EM

•关联分析：Apriori

•链接挖掘：PageRank


其中，EM算法虽可以用来聚类，但是由于EM算法进行迭代速度很慢，比kMeans性能差很多，并且KMeans算法 聚类效果没有比EM差多少，所以一般用kMeans进行聚类，而不是EM。EM算法的主要作用是用来进行参数估计，故将其分入统计学习类。SVM算法在回归分析，统计方面也有不小的贡献，并且在分类算法中也占有一定地位，思考了下还是将SVM分入分类算法中。



分类算法--C4.5 


•核心思想：以信息增益率为衡量标准实现对数据归纳分类

•算法优点：产生的分类规则易于理解，准确率较高

•算法缺点：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效