C4.5 data mining algorithm
C4.5以決策樹的形式構造分類器。爲了做到這一點，C4.5給出了一組表示已經分類的事物的數據。是數據挖掘中的一種工具，它使用一組數據表示我們要分類的東西，並試圖預測新數據屬於哪個類。·
案例：假設一個數據集包含一羣病人。我們瞭解每個病人的各種情況，如年齡、脈搏、血壓、最大攝氧量、家族史等。這些被稱爲屬性。然後根據其特性把得癌症和不得癌症的進行分類； 新的病人來了就將屬性輸入進行分類，得到結果；
k-means data mining algorithm
是什麼？k-means從一組對象創建k個組，以便組中的成員更加相似。它是研究數據集的一種流行的聚類分析技術。可以把向量看成是我們所知道的關於病人的數字列表。這個列表也可以解釋爲多維空間中的座標。脈搏可以是一個維度，血壓可以是另一個維度；
使用：只需要告訴其需要多少個簇，就可以得到相似的病人；
SVM data mining algorithm
是什麼？ 支持向量機(SVM)學習一個超平面（y= m*x + b）將數據分類爲兩類。在高層次上，支持向量機執行類似於C4.5的任務，只是支持向量機根本不使用決策樹。
案例：如果我們有一個病人數據集，每個病人都可以通過各種測量來描述，比如脈搏、膽固醇水平、血壓等等。每一個測量值都是一個維度。底線是:
Apriori data mining algorithm
是什麼？ Apriori算法學習關聯規則，並應用於包含大量事務的數據庫。是一種學習數據庫中變量之間關係的數據挖掘技術。這是一個無監督學習
使用場景：找到一個超時購買記錄數據庫中一個人的購買商品關聯性，以提高產品關聯購買；
EM data mining algorithm
是什麼？ 在數據挖掘中，期望最大化(EM)通常被用作知識發現的聚類算法(類似於k-均值)。 這是無監督學習
使用場景：測算某一得分的學生個數
案例： 我將模型視爲描述如何生成觀察到的數據的東西。例如，考試的成績可以符合鐘形曲線，因此假設成績是通過鐘形曲線(又稱正態分佈)生成的模型。用均值和方差描述這個正態分佈；
PageRank data mining algorithm
是什麼？ PageRank是一種鏈接分析算法，用於確定在一個對象網絡中鏈接的某些對象的相對重要性。是無監督學習
使用場景：網絡分析方法，用於探索事物之間的關聯
案例：谷歌搜索引擎確定網頁重要性；確定哪些網頁是相關的，哪些網頁是受歡迎-排名，優先級；
AdaBoost data mining algorithm
是什麼？ AdaBoost是一種構造分類器的增強算法。您可能還記得，分類器獲取一組數據，並嘗試預測或分類新數據元素屬於哪個類。屬於監督學習
案例： 預測一個病人是否會得癌症
第一步：獲取第一次中預測成功率最高的學習者，其他預測失敗的案例提高權重；
第二步：循環上一步的過程；然後剩下一組加權學習者
特點：簡單僅需要指定循環次數，執行快，靈活多變可以用於學習任何算法；
kNN data mining algorithm
是什麼？ kNN，或k近鄰，是一種分類算法。然而，它與前面描述的分類器不同，因爲它是一個懶惰的學習者。在訓練過程中除了存儲訓練數據外沒有做什麼。只有輸入新的未標記的數據時，這類學習者纔會進行分類，分類採用相鄰最近的方式進行判斷。爲了得到相鄰， 對於連續數據，kNN使用了類似於歐氏距離的距離度量。距離度量的選擇在很大程度上取決於數據。有些人甚至建議學習基於訓練數據的距離度量。還有很多關於kNN距離度量的細節和論文。 對於離散數據，其思想是將離散數據轉換爲連續數據。 KNN屬於監督學習，因爲kNN提供了一個標記的訓練數據集。
使用場景：
Naive Bayes data mining algorithm
是什麼？樸素貝葉斯不是一個單一的算法，而是一組分類算法，它們共享一個共同的假設:被分類數據的每個特徵都獨立於給定類的所有其他特徵。
使用場景：該定理允許我們使用概率來預測給定一組特徵的類。儘管樸素貝葉斯很簡單，但它可以驚人地準確。例如，它被發現是有效的垃圾郵件過濾。
案例：根據長度、顏色、甜度區分（香蕉，橘子，其他）
樸素貝葉斯實現過程：
①計算出頻率表：該水果在 長度 顏色-黃色 甜度上的概率
②將所有的概率相乘，
③在需要的時候除以分母，這個案例中忽略分母
④貝葉斯分類，計算出來的概率值多少爲香蕉 多少爲其他，多少爲橘子；
CART data mining algorithm
是什麼？CART代表分類和迴歸樹。它是一種輸出分類樹或迴歸樹的決策樹學習技術。和C4.5一樣，CART也是一個分類器。
使用場景？在預測場景中，與分類樹預測類別不同，迴歸樹預測數值或連續值；
案例：手機的價格、病人的住院時間
原文地址： https://hackerbits.com/data/top-10-data-mining-algorithms-in-plain-english/