數據挖掘之關聯規則

用於數據挖掘的機器學習方法，分爲參數化方法和非參數化方法，在用於密度估計、分類或迴歸的參數化方法中，假定最終模型在整個輸入空間上有效 在迴歸中，推導出一個線性模型後，把它應用於未來全部的輸入，在分類中，假定全部樣本（訓練樣本和新的檢驗樣本）都來自於同一個密度分佈，在這些狀況下，模型是對整個n維樣本空間都有效的全局模型 參數化方法的優勢是，用少許的參數簡化了建模問題，主要缺點是初始假設在不少實際問題

>>阅读原文<<