什么是移动营销策略

决策树的处理采用自上而下的方法，其中从训练数据中选择最合适的属性作为根，并对每个分支重复该过程。 决策树常用于以下领域：

创建知识管理平台
选择航班（旅行）
估算酒店的高入住率日期
向客户推荐产品
“预测预测”和确定各个领域的概率
朴素贝叶斯
该算法使用条件概率规则计算项目落入特定类别的概率，被称为高效的监督机器学习算法。

给定类变量的值，它通过将贝叶斯定理应用于数据来工作，假设每对特征之间存在纯粹的条件独立性。 简单来说，它有助于找出事件 A 发生的概率，前提是事件 B 已经发生。 使用条件：

过滤垃圾邮件
Netflix 等推荐系统
对有关技术、政治或体育的新闻文章进行分类
社交媒体上的情绪分析 人脸识别软件
支持向量机
在该算法中，根据可以超出 X/Y 估计的极性程度对 欧洲手机号码列表 数据进行分类。 SVM 属于监督机器学习算法，主要用于分类和回归分析。 该算法通过创建将新实例和数据分配给类别的模型来工作。

当维数超过实例数时，SVM 非常有效且内存效率极高。



SVM 算法的应用：

生物信息学* 手写识别图像分类
文本和超文本分类 治疗药物发现 人脸识别
*生物信息学； 它使生物数据的解释及其在癌症分类等领域的应用成为可能。
集成算法
集成算法结合了两种或多种机器学习算法的预测，以产生更准确的结果。 可以通过投票或平均结果来合并结果。 投票通常用于回归过程中的分类和平均过程。 社区算法有 3 种基本类型：Bagging、Boosting 和 Stacking。

装袋算法在不同的训练集上并行运行，所有训练集的大小都相同。 然后使用相同的数据集测试所有算法，并使用投票来确定总体结果。

提升算法按顺序运行。 然后使用加权投票选择总体结果。

堆叠算法有两个堆叠层次：基础层次； 它是算法和高层次的结合； 它是一种基于基础水平结果的元算法。

聚类
聚类算法是一组用于对数据点进行分组的无监督算法。 同一簇中的点比不同簇中的点更相似。

它的应用范围包括在和数据挖掘等编程语言和库中对相似和相关的网络搜索结果进行聚类。

聚类算法用于检测假新闻、检测和过滤垃圾邮件、按类型对书籍或电影进行分类，以及在城市规划过程中识别流行的交通路线。


有4种聚类算法：

基于质心的聚类
这种聚类算法根据初始条件和异常值对数据进行聚类。 K-means 是使用最广泛的基于质心的聚类算法。
基于密度的聚类
在这种类型的聚类（基于密度的聚类）中，该算法将高密度区域连接到形成随机形状分布的聚类。
基于分布的聚类
这种聚类算法假设数据由概率分布组成，然后以这种分布的各种版本对数据进行聚类。
层次聚类
该算法（层次聚类）创建层次数据集树。 可以通过在正确的级别切割树来改变簇的数量。
协会
关联算法是无监督算法，用于探索某些元素在给定数据集中同时出现的概率。 它主要用于购物车分析。 最常用的关联算法是 ：

先验算法
它是一种在事务数据库中广泛使用的挖掘算法。 对于提取经常使用的项目集并从这些集中创建一些关联规则很有用。

先验，它通过在数据集中搜索常见项目集然后在它们上建立关系来工作； 常用于关系数据库中的项集挖掘和关联规则。