機器學習算法
有監督學習：分類和預測
1、KNN算法：通過計算未知數據和樣本距離中，數目最多類判斷未知類歸屬。
2、決策樹算法：通過信息增益來劃分類，然後逐級劃分到葉子節點。
3、貝葉斯算法：通過判斷文本拆分後和樣本比較出現的概率來確定是否過濾。
無監督學習：聚類和關聯
1、聚類算法：通過判斷相同屬性歸類。
2、關聯算法：通過計算樣本出現的次數概率，和所有頻繁項集同時出現的概率來判斷關聯程度。
半監督學習
這類問題給出的訓練數據，有一部分有標籤，有一部分沒有標籤。我們想學習出數據組織結構的同時，也能做相應的預測。此類問題相對應的機器學習算法有自訓練(Self-Training)、直推學習(Transductive Learning)、生成式模型(Generative Model)等。