Question

本章专注于数据挖掘中分类与回归预测问题的相关基础算法，重点介绍对应的算法原理及Python实现。通过本章的学习，可在以后的数据挖掘过程中采用适当的算法，并按所陈述的步骤实现综合应用，希望本章能给读者一些启发，思考如何改进或创造更好的挖掘算法。

7.1节主要介绍了线性回归和逻辑回归两个模型。前者是最基础的，而后者是工业界最常用的。读者应能通过阅读正文，归纳它们的异同；7.2节从ID3算法开始介绍决策树，提及C4.5算法、C5.0算法和CART算法等改进模型；7.3节则是人工神经网络，考虑到当前深度学习的火热，读者有必要详细了解其基本推导和实现；7.4节主要介绍kNN算法，它是一种非参数模型，也是最简单直观的机器学习算法；7.5节主要介绍朴素贝叶斯分类算法，从严格的描述中，读者可以看到它与高斯朴素贝叶斯、多项式朴素贝叶斯算法的联系与区别。

学到这里，相信读者会对数据挖掘中两大预测任务（分类与回归）有较为清晰的认识。