数据挖掘之分类

分类：

分类是这样的过程：使用类标签已知的样本建立一个分类函数或分类模型（也常常称作分类器），应用分类模型，能把数据库中的类标签未知的数据进行归类

分类在数据挖掘中是一项重要的任务

分类是过程，预测是目的

分类算法

决策树

逻辑回归

神经网络

支持向量机

贝叶斯分类

KNN

随机深林

典型应用:

流失预测

精确营销

客户获取

个性偏好

信用分析

欺诈预警

分类—决策树

决策树是描述分类过程中的一种数据结构，从上端的根节点开始，每一层节点依照某一属性值向下分为子节点，待分类的实例在每一个节点处与该节点相关的属性值进行比较，根据不同的比较结果想相应的子节点扩展，这一过程在到达决策树的叶节点结束

决策树算法有ID3、C5.0、CHAID、QUEST、C&R TREE

决策树算法位列10大算法之首

基础

《深入浅出数据分析（美）》 Michael Milton（著） 李芳（译）

《excel图表之道》 刘万祥

《统计学方法与数据分析引论》 R.L.奥特/M.朗格内克（著） 张忠占（译）

理论

《商务与经济统计》 安德森等（著） 王国成（译）

《数据挖掘导论》 Pang-Ning Tan等（著） 范明等（译）

案例

《数据挖掘实践》 Olivia Parr Rud（著） 朱扬勇等（译）

《数据挖掘与数据化运营实战：思路、方法、技巧与应用》 卢辉（著）

软件

《Clementine数据挖掘方法及应用》 薛薇、陈欢歌（著）

《SPSS统计分析基础教程(第2版) 》 张文彤（著）

《SPSS统计分析高级教程》 张文彤（著）

《SAS应用统计分析(第5版)》 罗纳德.科迪等（著） 辛涛（译）

文本挖掘

《智能Web算法》 Haralambos Marmanis（著） 阿稳等（译）

大数据

《大数据：互联网大规模数据挖掘与分布式处理》 Anand Rajaraman等（著） 王斌（译）