第五章：
1停撞，常用的分類和預(yù)測算法
2，回歸分析
3戈毒，主要回歸模型
4，決策樹算法:
tip：使用dot -Tpng data.txt -o data.png 可以將生成的樹用Graphivz進行可視化埋市。（目前會出現(xiàn)編碼問題，還沒解決）
5 ,人工神經(jīng)網(wǎng)絡(luò)算法:
6恐疲，分類與預(yù)測算法評價
6.1 絕對誤差和相對誤差
6.2平均絕對誤差
6.3均方誤差
6.4均方差誤差
6.5 平均絕對誤差
6.6 Kappa統(tǒng)計
6.7識別準確度
6.8 識別精確度
6.9 反饋率
7培己，分類預(yù)測模型分類和預(yù)測
8，常見的聚類方法
9省咨， 常用聚類分析算法
10， 連續(xù)屬性與相似性的度量
11零蓉， 度量樣本之間的相似性可以使用距離來算
12，文檔數(shù)據(jù)
文檔數(shù)據(jù)使用余弦相似性度量敌蜂，可以建立一個詞頻表
13，目標(biāo)函數(shù)
14, 聚類函數(shù)列表:
15, 關(guān)聯(lián)規(guī)則算法：
16汗贫，時間序列模型
17, 時間序列的預(yù)處理
首先對其的純隨機性和平穩(wěn)性進行檢驗
18，主要時序模式的算法:
