标签：基于 机器 聚类 学习 HMM 算法 机场 条件
一、分类算法
（一）贝叶斯
（二）决策树
ID3、C4.5（C5.0）、CART、PUBLIC、SLIQ和SPRINT
（三）神经网络
（四）SVM
（五）KNN
（六）Bagging 和Boosting
（七）最大熵
（八）Logistic 回归
（九）感知机
二、聚类算法
（一）基于划分（K-means、K-medoids、Clara、Clarans,k-pototypes）
（二）层次聚类（HFC）
（三）谱聚类
（四）LDA聚类
（五）均值漂移聚类
（六）Canopy 聚类
（七）基于密度的聚类(DBSCAN)
（八）基于网格聚类(CLIQUE,STING)
（九）聚类算法比较
三、HMM
（一）隐马尔科夫模型的三个基本问题
（二）概率计算算法
（三）学习算法
（四）预测算法
（五）HMM的应用
四、条件随机场
（一）条件随机场的定义与形式
（二）条件随机场的概率计算问题
（三）条件随机场的学习算法
（四）条件随机场的预测算法
（五）条件随机场的应用
五、优化算法
（一）牛顿法
（二）梯度下降法
（三）拟牛顿法
（四）共轭梯度法
（五）改进的迭代尺度法
六、关联规则挖掘
七、时间序列分析
八、异常数据分析
九、EM
十、回归分析
十一、PageRank
标签：基于,
机器,
聚类,
学习,
HMM,
算法,
机场,
条件
From： https://blog.51cto.com/u_2650279/6142961