大数据计算学习笔记打卡（2.2）

今日的内容是【大数据计算】第二课的课程学习笔记

课程内容大部分都是分类和对比，包括表格数据与非数据表格的对比、描述性分析与预测性分析的对比、分类与回归的对比。

好啦，来看看吧！

预测性（监督）：标签（知道所有标签进行分类）

描述性（非监督）：非标签（未知标签、未知数据，努力弄清楚标签和分类）

数据集分为训练集和测试集，一般来说，70%的训练集和30%的测试集，我们运用训练集来训练模型，不断优化参数形成算法，并用测试集评估算法，测试集是有标签的数据集，算法优化完成后，就可以运用其来锻炼未知数据集了。

在训练数据过程中，会有实际数据和预测数据。

分类：包括分类算法、决策树、分类法则等。

KNN，K Nearest Neighbor K最近邻居法则。

要点：Support（A B）和Confidence（A B）的计算。