数据挖掘十大经典算法(1) c4.5,十大经典预测算法

C4.5 算法成为最多的决策树结构经典，排名数据挖掘十大经典。【嵌入文字】:1，简介置顶数据挖掘会议ICDM选数据挖掘domain十大经典-1 2006年12月，-3 算法在数据挖掘众所周知，数据挖掘中有很多算法在数据挖掘中，它们是不同的-。

ID3 算法是决策树经典的一种结构，曾是一段时间内同类研究工作的比较对象，但通过近年来国内外学者的研究，ID3 算法。(2)ID3非增算法。(3)ID3是单变量决策树(在分支节点只考虑单个属性)。很多复杂的概念难以表达，属性之间的关系不够强调，容易导致决策树中子树重复或者某些属性在决策树的某条路径上被多次测试。

于是Quilan改进了ID3，提出了C4.5 算法。C4.5 算法成为最多的决策树结构经典，排名数据挖掘十大经典。决策树经典Structure算法c 4.5(WEKA中的J48)因为ID3 算法在实际应用中存在一些问题，Quilan提出了C4.5 算法，严格来说是C4。

data 挖掘的核心是数据建模的过程。所有的数据挖掘产品都有这个建模过程，不同的是他们构造模型的方式不同。可以使用许多不同的数据。决策树是一种经常使用的技术，它可以用来分析数据以及进行预测。常用的算法有CHAID、CART、ID3、C4.5，决策树方法直观，这是它最大的优点。缺点是随着数据复杂度的增加，分支数量增加，管理难度加大。

近年来，神经网络越来越受到人们的重视，因为它为解决大型复杂问题提供了一种相对有效和简单的方法。神经网络常用于两类问题:分类和回归。它最大的优点是能准确预测复杂问题。神经网络的缺点是网络模型是黑箱，预测值难以理解；神经网络过拟合。IBM、SAS、SPSS、HNC、ANGOSS等公司都是该产品的供应商。

data 挖掘(英文:Datamining)，又译为数据挖掘和数据挖掘。这是数据库知识发现(KDD)的一个步骤。数据挖掘一般是指通过算法搜索隐藏在大量数据中的信息的过程。Data 挖掘通常与计算机科学有关，上述目标是通过许多方法实现的，如统计学、联机分析处理、信息检索、机器学习、专家系统(依靠过去的经验规则)和模式识别。