1樓：可愛的資料控
個人學習理解，認為總體分為兩大類有監督、無監督（具體分類下滑見最後的腦圖）
在開始講演算法分類之前，我覺得有必要先定義一下資料探勘在整乙個資料體系內的角色！
首先，我理解的資料探勘是對既定的「淨資料」進行加工利用的過程，我們可以把它看作是烹飪加工的過程。
而資料探勘是有一定規則和相應模型的，這一點我們也可以通過乙個模擬進行理解。
清洗後的高質量資料就像是「淨菜」，而資料探勘模型就像是各種「菜系」，我們知道，就算「淨菜」材料一致，但菜系（資料探勘模型）不同，最終得到的成品也是截然不同的！
下面是資料探勘中較為常見的幾個「菜系」（模型），下面我們配合模型對應的使用場景逐一闡述
總的來說，資料探勘模型可以通過「監督模式」進行大致分類，分類為監督模型、非監督模型：
監督模型：簡單的說，就是讓機器學會舉一反三，它好比學生在學習時已知題目和答案，去學習分析如何解題一樣，下次遇到一樣的或者類似的題目就會做了；監督模型內的資料分為訓練集和測試集，常見模型有決策樹、LOGISTIC線性回歸等。
非監督模型：簡單的說，就是略去了監督模型中」舉一反三「的過程，輸入的僅僅是一堆資料，沒有標籤，也沒有訓練集和驗證集之分，讓演算法根據資料本身的特徵去學習，常見模型一般有clustering。
以上~應該能夠解決大多數演算法分類的問題！
去哪找資料？怎麼挖掘？
2樓：Patrick Leung
先佔，若有必要繼續補充。
主要分為：
挖掘頻繁模式、關鍵和相關性
分類聚類分析
離群點檢測
資料探勘和機器學習稍有差別，但相差不大。傳統資料探勘類似黑盒操作，挖掘出來的資訊和規則不一定可解釋。機器學習注重了學習結果的可解釋性，強調了學習過程。目前基本已統一。
3樓：
從問題的屬性來劃分：分類、聚類、回歸
從資料集劃分：監督、半監督、無監督
PS：求大神詳細講解下「監督學習」和「半監督學習」的區別～
生活中的朋友可以分為幾類？
冬天裡 朋友分類的依據是你和對方性格的匹配程度，僅此而已，不要新增其他的東西。不論什麼型別的朋友，只要當他是朋友，都要尊重和友愛，其中某些朋友由於性格更相吸，你會更加關心他，也會在他面前把心門敞開，對別人可能只是開啟一扇窗。所以我會把朋友分為三類 心理距離有近到遠的 再親密的朋友也要互相保有自己的空...
有哪些好的大資料探勘演算法？
梁勇 必讀經典 1.Programming Collective Intelligence 作者 Toby Segaran 出版社 O Reilly Media,Inc.評語 近年出的入門好書，培養興趣是最重要的一環.2.Machine Learning 作者 Tom M.Mitchell出版社 M...
心臟外科手術可以分為哪幾類？
開心老王 常見的四類 A.冠心病 主要是冠狀動脈旁路移植術 俗稱搭橋，CABG 簡單來說就是冠心病堵了的那段不用了，架個血管橋過去。血管橋可以用動脈 胸廓內動脈 或者靜脈 大隱靜脈 手術精細度相當高 冠脈就那麼點大 手術如果成功患者基本術後只好不差，不涉及心臟內部結構 B.瓣膜病 處理心臟四個瓣膜 ...