一、学习路线
二、算法
- C4.5 决策树算法，在创建的过程中进行剪枝，并且可以处理连续的属性，也可以对不完整的数据进行处理。他是决策树算法中具有里程碑式的算法。
- 朴素贝叶斯（Naive Bayes) 基于概率论的原理。基本思想：对于给出的具体物体想进行分类就要 算出这个物体出现条件下各个类别出现的概率，那个概率最大，该物体就属于哪一类。
- SVM 支持向量机算法。SVM在训练过程中建立了超平面的分类模型，将低维的数据映射到高维进行分类。
- KNN K最近邻算法，K-Nearest Neighbour。所谓的K近邻，就是每个样本都可以用它最接近的K个邻居来代表。即一个样本，他的K个最近的邻居都属于分类A，那么这个样本也属于分类A。
- AdaBoost 自适应提升算法，他在分类时建立了一个联合的分类模型，他可以用多个弱分类器组成一个强的分类器。
- CART Classification And Regression Trees,和C4.5一样他是一个决策树算法。
- Apriori 挖掘关联规则（associate rules）算法，他通过挖掘频繁项集（frequent item sets）来揭示物品之间的关联关系，他被广泛运用到商业挖掘和网络安全等领域。
- K-Means 聚类算法，将所有物体划分成K类。假设每个类里面都有”中心点“，即意见领袖，他时这个类的核心。这时如果有一个新的物品要进行分类，这时就只要计算这个点与K个中心点的距离，与那个中心点近，就属于那个类。
- EM 聚类算法，也叫最大期望算法，是求参数的最大似然估计的一种方法。原理是这样的：假设我们想要评估参数 A 和参数 B，在开始状态下二者都是未知的，并且知道了 A 的信息就可以得到 B 的信息，反过来知道了 B 也就得到了 A。可以考虑首先赋予 A 某个初值，以此得到 B 的估值，然后从 B 的估值出发，重新估计 A 的取值，这个过程一直持续到收敛为止。、
- PangRank PageRank 起源于论文影响力的计算方式，如果一篇文论被引入的次数越多，就代表这篇论文的影响力越强。同样 PageRank 被 Google 创造性地应用到了网页权重的计算中：当一个页面链出的页面越多，说明这个页面的“参考文献”越多，当这个页面被链入的频率越高，说明这个页面被引用的次数越高。基于这个原理，我们可以得到网站的权重划分。