一、學習路線
二、算法
- C4.5 決策樹算法，在創建的過程中進行剪枝，並且可以處理連續的屬性，也可以對不完整的數據進行處理。他是決策樹算法中具有里程碑式的算法。
- 樸素貝葉斯（Naive Bayes) 基於概率論的原理。基本思想：對於給出的具體物體想進行分類就要 算出這個物體出現條件下各個類別出現的概率，那個概率最大，該物體就屬於哪一類。
- SVM 支持向量機算法。SVM在訓練過程中建立了超平面的分類模型，將低維的數據映射到高維進行分類。
- KNN K最近鄰算法，K-Nearest Neighbour。所謂的K近鄰，就是每個樣本都可以用它最接近的K個鄰居來代表。即一個樣本，他的K個最近的鄰居都屬於分類A，那麼這個樣本也屬於分類A。
- AdaBoost 自適應提升算法，他在分類時建立了一個聯合的分類模型，他可以用多個弱分類器組成一個強的分類器。
- CART Classification And Regression Trees,和C4.5一樣他是一個決策樹算法。
- Apriori 挖掘關聯規則（associate rules）算法，他通過挖掘頻繁項集（frequent item sets）來揭示物品之間的關聯關係，他被廣泛運用到商業挖掘和網絡安全等領域。
- K-Means 聚類算法，將所有物體劃分成K類。假設每個類裏面都有”中心點“，即意見領袖，他時這個類的核心。這時如果有一個新的物品要進行分類，這時就只要計算這個點與K箇中心點的距離，與那個中心點近，就屬於那個類。
- EM 聚類算法，也叫最大期望算法，是求參數的最大似然估計的一種方法。原理是這樣的：假設我們想要評估參數 A 和參數 B，在開始狀態下二者都是未知的，並且知道了 A 的信息就可以得到 B 的信息，反過來知道了 B 也就得到了 A。可以考慮首先賦予 A 某個初值，以此得到 B 的估值，然後從 B 的估值出發，重新估計 A 的取值，這個過程一直持續到收斂爲止。、
- PangRank PageRank 起源於論文影響力的計算方式，如果一篇文論被引入的次數越多，就代表這篇論文的影響力越強。同樣 PageRank 被 Google 創造性地應用到了網頁權重的計算中：當一個頁面鏈出的頁面越多，說明這個頁面的“參考文獻”越多，當這個頁面被鏈入的頻率越高，說明這個頁面被引用的次數越高。基於這個原理，我們可以得到網站的權重劃分。