你知道数据挖掘的十大算法吗？进来学习！( 二 ) 一个优秀的数据分析师不仅要

扩展：FP-Growth算法。
Apriori算法需要多次扫描数据库，性能低，不适合大数据量。
FP-growth算法，通过构建FP树的数据结构，将数据存储在FP树中，只需在构建FP树时扫描数据库两次，后续处理就不需要再访问数据库。
比喻：啤酒和纸尿裤一起卖。
沃尔玛通过数据分析发现，在美国有婴儿的家庭中，母亲通常在家照顾孩子，父亲去超市买尿布。
父亲在买纸尿裤的时候，经常会搭配几瓶啤酒来奖励自己。因此，超市试图推出一种将啤酒和纸尿裤放在一起的促销手段，这实际上大大增加了纸尿裤和啤酒的销量。
三、数据挖掘算法：AdaBoost
AdaBoost原理
简单来说，多个弱分类器训练成强分类器。
将一系列弱分类器作为不同权重比组合的最终分类选择。
计算过程
1、基本权重初始化。
2、奖励权重矩阵，通过现有的分类器计算错误率，选择错误率最低的分类器。
3、通过分类器权重公式，减少正确的样本分布，增加错误的样本分布，获得新的权重矩阵和当前k轮的分类器权重。
4、将新的权重矩阵带入上述步骤2和3 ，重新计算权重矩阵。
5、迭代N轮，记录每轮最终分类器的权重，获得强分类器。
AdaBoost算法比喻说明
1、利用错题提高学习效率
做对的题，下次少做点，反正都会。
下次多做错题，集中在错题上。
随着学习的深入，错题会越来越少。
2、合理跨境提高利润
苹果公司，软硬件结合，占据了手机市场的大部分利润，两个领域的知识结合产生了新的收益。
四、数据挖掘算法：C4.5(决策树)
决策就是对一个问题有多个答案，选择答案的过程就是决策。
C4.5算法用于产生决策树，主要用于分类。
C4.5计算信息增益率(ID3算法计算信息增益) 。
C4.5算法原理
C4.5算法选择最有效的方法对样本集进行分裂，分裂规则是分析所有属性的信息增益率。
信息增益率越大，意味着这个特征分类的能力越强，我们应该优先选择这个特征进行分类。
比喻说明：挑西瓜。
拿到一个西瓜，先判断它的线条。如果很模糊，就觉得不是好瓜。如果很清楚，就觉得是好瓜。如果稍微模糊一点，就考虑它的密度。如果密度大于一定值，就认为是好瓜，否则就是坏瓜。
五、数据挖掘算法：CART(决策树)
CART：ClasificationAndRegresionTree ，中文叫分类回归树，可以分类也可以回归。
什么是分类树？回归树？
分类树：处理离散数据，即数据类型有限的数据，输出样本类别。
回归树：可以预测连续值，输出一个值，值可以在一定范围内获得。
回归问题和分类问题的本质是一样的，就是对一个输入做一个输出预测，其区别在于输出变量的类型。
CART算法原理
CART分类树
类似于C4.5算法，但属性选择的指标是基尼系数。
基尼系数反映了样本的不确定性。基尼系数越小，样本之间的差异越小，不确定性越低。
分类是一个降低不确定性的过程。CART在构建分类树时，会选择基尼系数最小的属性作为属性划分。
回归树的CART
以均方误差或绝对值误差为标准，选择均方误差或绝对值误差最小的特征。
分类和回归数的比喻说明
分类：预测明天是阴、晴还是雨。
回归：预测明天的温度。
六、数据挖掘算法：简单贝叶斯(条件概率)
简单贝叶斯是一种简单有效的常用分类算法，在未知物体出现的情况下，计算各类出现的概率，取概率最大的分类。