1.4.4　数据挖掘与建模的主要内容

数据挖掘与建模的算法可分为相对简单的监督式学习方法、相对复杂的监督式学习算法、高级监督式学习算法、非监督式学习算法等。其中相对简单的监督式学习方法包括线性回归算法、二元Logistic回归算法、多元Logistic回归算法、判别分析算法、朴素贝叶斯算法、高维数据惩罚回归算法、K近邻算法等；相对复杂的监督式学习算法包括决策树算法、随机森林算法、提升法等；高级监督式学习算法包括支持向量机算法、神经网络算法等；非监督式学习算法包括主成分分析算法、聚类分析算法等。以上算法均在《Python机器学习原理与算法实现》（杨维忠、张甜著，清华大学出版社，2023年）一书中有详细讲解。本书也选择了一些常用的经典算法进行讲解，具体来说，第8章讲解数据挖掘与建模1——线性回归，第9章讲解数据挖掘与建模2——Logistic回归，第10章讲解数据挖掘与建模3——决策树，第11章讲解数据挖掘与建模4——随机森林，第12章讲解数据挖掘与建模5——神经网络。