#基础算法分类和汇总
| 一级分类 | 二级分类 | 算法名 | 一句话概述 | 输入 | 输出 | 原理概述 | 优点 | 缺点 | 实例 | |
| 监督学习 | 分类 | KNN | ||||||||
| 监督学习 | 分类 | 决策树 | ||||||||
| 监督学习 | 分类 | SVM | ||||||||
| 监督学习 | 分类 | 逻辑回归 | ||||||||
| 监督学习 | 回归 | 简单回归 | ||||||||
| 非监督学习 | 聚类 | K-means | ||||||||
| 非监督学习 | 关联分析 | Apriori | ||||||||
| 非监督学习 | 频繁项挖掘 | FP-growth | ||||||||
| 其他 | 降维 | PCA | ||||||||
| 其他 | 简化数据 | SVD | ||||||||
#算法使用一般步骤
1.选择算法
目的是什么——分类、回归、聚类等等
自变量是什么——连续、标称？
2.拆分训练集和测试集
3.评估模型效果
分类模型评估指标
4.投入使用进行预测
原文：https://www.cnblogs.com/everda/p/10985342.html