分类
构建模型将数据划分到不同的类别。这有助于更准确地分析和可视化您的数据。
可以为信用评分、肿瘤检测、人脸识别等应用使用分类。用于执行分类的常用算法包括:支持向量机 (SVM)、促进式 (boosted) 决策树和袋装 (bagged) 决策树、k-最近邻、朴素贝叶斯 (Naïve Bayes)、判别分析、逻辑回归和神经网络。
在使用卷积神经网络进行的对象分类中,可以使用深度学习来获得最高水平的准确性。
回归资源
聚类
查找数据中的自然分组和模式。在未标记的数据上使用聚类来查找自然分组和模式。聚类应用包括模式挖掘、医学成像和对象识别。
用于执行聚类的常用算法包括:k-均值和 k-中心点、层次聚类、高斯混合模型、隐马尔可夫模型、自组织映射、模糊 c-均值聚类法和减法聚类。