数据分析中的数据挖掘涉及到了很多的算法，我们要想做好数据分析工作就需要学习这些算法。在数据挖掘的算法中，每个算法都有着自己的优势，它们在数据挖掘领域都产生了较为深刻的影响。那么大家知不知道数据挖掘中的经典算法都有哪些呢？下面我们就给大家一一介绍。
1.K-Means算法
The k-means algorithm算法，也就是K-Means算法，k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k大于n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个群组内部的均方误差总和最小。这种算法在数据挖掘中是十分常见的算法。
2.支持向量机算法
而Support vector machines就是支持向量机，简称SV机（论文中一般简称SVM）。它是一种监督式学习的方法，这种方法广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。这些优点也就成就了这种算法。
3.C4.5
C4.5算法是机器学习算法中的一种分类决策树算法, C4.5算法继承了ID3算法的优点，并对ID3算法进行了改进，这种改进具体体现在四个方面，第一就是在树构造过程中进行剪枝，第二就是能够完成对连续属性的离散化处理，第三就是用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足，第四就是能够对不完整数据进行处理。那么这种算法的优点是什么呢？优点就是产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。
我们在这篇文章中给大家介绍了数据挖掘中的三个算法，分别是The k-means algorithm算法、Support vector machines、C4.5算法，这些算法在数据挖掘中都是十分常见并且十分重要的，希望大家能够重视这些算法的学习，希望这篇文章能够更好地帮助大家去理解数据挖掘。
