1、C4.5

　　C4.5算法是機(jī)器學(xué)習(xí)算法中的一種分類決策樹算法，其核心算法是ID3算法.C4.5算法繼承了ID3算法的優(yōu)點，并在以下幾方面對ID3算法進(jìn)行了改進(jìn)：

　　1）用信息增益率來選擇屬性，克服了用信息增益選擇屬性時偏向選擇取值多的屬性的不足；

　　2）在樹構(gòu)造過程中進(jìn)行剪枝；

　　3）能夠完成對連續(xù)屬性的離散化處理；

　　4）能夠?qū)Σ煌暾麛?shù)據(jù)進(jìn)行處理。

　　C4.5算法有如下優(yōu)點：產(chǎn)生的分類規(guī)則易于理解，準(zhǔn)確率較高。其缺點是：在構(gòu)造樹的過程中，需要對數(shù)據(jù)集進(jìn)行多次的順序掃描和排序，因而導(dǎo)致算法的低效。

　　2、Thek-meansalgorithm即K-Means算法

　　k-meansalgorithm算法是一個聚類算法，把n的對象根據(jù)他們的屬性分為k個分割，k《n。它與處理混合正態(tài)分布的最大期望算法很相似，因為他們都試圖找到數(shù)據(jù)中自然聚類的中心。它假設(shè)對象屬性來自于空間向量，并且目標(biāo)是使各個群組內(nèi)部的均方誤差總和最小。

　　3、Supportvectormachines支持向量機(jī)

　　支持向量機(jī)（SupportVectorMachine），簡稱SV機(jī)（論文中一般簡稱SVM）。它是一種監(jiān)督式學(xué)習(xí)的方法，它廣泛的應(yīng)用于統(tǒng)計分類以及回歸分析中。支持向量機(jī)將向量映射到一個更高維的空間里，在這個空間里建立有一個最大間隔超平面。在分開數(shù)據(jù)的超平面的兩邊建有兩個互相平行的超平面。分隔超平面使兩個平行超平面的距離最大化。假定平行超平面間的距離或差距越大，分類器的總誤差越小。一個極好的指南是C.J.CBurges的《模式識別支持向量機(jī)指南》。vanderWalt和Barnard將支持向量機(jī)和其他分類器進(jìn)行了比較。

　　4、TheApriorialgorithm

　　Apriori算法是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的算法。其核心是基于兩階段頻集思想的遞推算法。該關(guān)聯(lián)規(guī)則在分類上屬于單維、單層、布爾關(guān)聯(lián)規(guī)則。在這里，所有支持度大于最小支持度的項集稱為頻繁項集，簡稱頻集。

　　5、最大期望（EM）算法

　　在統(tǒng)計計算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中尋找參數(shù)最大似然估計的算法，其中概率模型依賴于無法觀測的隱藏變量（LatentVariabl）。最大期望經(jīng)常用在機(jī)器學(xué)習(xí)ai服務(wù)器和計算機(jī)視覺的數(shù)據(jù)集聚（DataClustering）領(lǐng)域。