数据挖掘起源于 1989 年 8 月，美国底特律举办的第 11 届国际联合人工 智能学术会议中 Piatetsky·Sharpiro 提出的 KDD。从技术上来说，数据挖掘是一门交叉学科，融合了统计学、人工智能、模式识别、机器学习等内容。
今日资料推荐《常用数据挖掘算法总结及 Python 实现 》这份资源非常适合相关的从业人员或大数据爱好者，该文档总结了常用的数据挖掘的算法原理以及 Python 实践内容，为初学者提供良好的参考资料，需要的朋友可看看！
1、引言贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naïve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。
一、 大数据基本概念 大数据Big Data是指大小超出了常用的软件工具在运行时间内可以承受的收集，管理和处理数据能力的数据集;大数据是目前存储模式与能力、计算模式与能力不能满足存储与处理现有数据集规模产生的相对概念。大数据的预处理主要完成对已接收数据的辨析、抽取、清洗等操作。
今天是机器学习专题的第19篇文章，我们来看经典的Apriori算法。Apriori算法号称是十大数据挖掘算法之一，在大数据时代威风无两，哪怕是没有听说过这个算法的人，对于那个著名的啤酒与尿布的故事也耳熟能详。
大数据如果想要产生价值，对它的处理过程无疑是非常重要的，其中大数据分析和大数据挖掘就是最重要的两部分。在前几期的科普中，小编已经为大家介绍了大数据分析的相关情况，本期小编就为大家讲解大数据挖掘技术，让大家轻轻松松弄懂什么是大数据挖掘技术。什么是大数据挖掘？
ETHINK大数据提供本文http://www.ethinkbi.com 转载请注明作者 谢谢数据挖掘技术虽是一项新兴的数据处理技术，但其发展速度十分迅猛，至今已经形成了决策树、神经网络、统计学习、聚类分析、关联规则等多项数据挖掘技术，极大的满足了用户的需求。
1、引言k-means算法主要是用来解决什么问题呢?主要是用来解决类似于这样的问题：聚类，如一次班级聚餐，平时玩的好的同学，就会自动的聚集在一起愉快的玩耍。那么什么样才算平时玩的好呢?请看k-means算法。
k-means算法，也被称为k-平均或k-均值，是数据挖掘技术中一种广泛使用的聚类算法。 它是将各个聚类子集内的所有数据样本的均值作为该聚类的代表点，算法的主要思想是通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，从而使生成的每个聚类内紧凑，类间独立。
“数据+算法=模型”。面对具体的问题，选择切合问题的模型进行求解十分重要。有经验的数据科学家根据日常算法的积累，往往能在最短时间内选择更适合该问题的算法，因此构建的模型往往更准确高效。本文归纳了机器学习的10大算法，并分别整理了各算法的优缺点及主要特征，供大家学习参考。
