apriori算法实现_MLK | 机器学习常见算法优缺点了解一下

MLK，即Machine Learning Knowledge，本专栏在于对机器学习的重点知识做一次梳理，便于日后温习，这篇文章很久之前在本公众号发过，现在拿回来整理下，也算是一种温故而知新了。

Index

• 决策树算法
• 分类算法
• 聚类算法
• 集成算法（AdaBoost算法）
• 人工神经网络算法
• 排序算法
• 关联规则算法（Apriori算法）

01 决策树算法

决策树优点

1、决策树易于理解和解释，可以可视化分析，容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时，运行速度比较快。4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。

决策树缺点

1、对缺失数据处理比较困难。2、容易出现过拟合问题。3、忽略数据集中属性的相互关联。4、ID3算法计算信息增益时结果偏向数值比较多的特征。

改进措施

1、对决策树进行剪枝。可以采用交叉验证法和加入正则化的方法。2、使用基于决策树的combination算法，如bagging算法，randomforest算法，可以解决过拟合的问题。

常见算法

1）C4.5算法