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。
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。
第一章：简介内容：寻找事物本书结构阅读完本书后你可以做些什么?为什么数据挖掘很重要?哪些内容可以为我所用?标题里的“Numerati的古老艺术”是什么意思?序如果你每天都能重复做这些简单的事，你就会获得某种特别的力量。在你获得之前，这是特别的，但获得之后，就没什么大不了的了。
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。
点击上方蓝色字体关注。您还可以搜索公众号“D1net”选择关注D1net旗下的各领域（包括云计算，智慧城市，数据中心，大数据，视频会议，视频监控，服务器，存储，虚拟化，软件等）的子公众号。=======数据挖掘这个词已经火的不行了。但是有太多文章都是空中部队。没有任何实质内容。
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。
在数据挖掘技术中，"距离"和"相似性"是常用的概念。它们用于描述数据之间的相对距离或相似程度，从而帮助我们进行聚类、分类和预测等任务。距离表示为绝对数，指的是两个数据之间的距离或差异程度，通常用欧氏距离、曼哈顿距离、闵可夫斯基距离等方式进行度量。
“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。
杨紫曦，徐建良 （中国海洋大学 信息科学与工程学院，山东 青岛 266100）摘要：针对当前高校科研管理实际，研究对比了多种主流数据挖掘推荐算法的适用性，挑选出适合设备数据条件的推荐算法，并进行算法实际使用分析。
