1、预测性和描述性的主要区别在于是否有目标变量
2、预测性包括分类和回归：
（1）分类：输出变量为离散型，常见的算法包括（朴素）贝叶斯、决策树、逻辑回归、KNN、SVM、神经网络、随机森林。
（2）回归：输出变量为连续型。
3、描述性包括聚类和关联：
（1）聚类：实现对样本的细分，使得同组内的样本特征较为相似，不同组的样本特征差异较大。例如零售客户细分。
（2）关联：:指的是我们想发现数据的各部分之间的联系和规则。常指购物篮分析，即消费者常常会同时购买哪些产品，从而有助于商家的捆绑销售。
4、建立分类模型的一般方法：
二、朴素贝叶斯
1、贝叶斯定理：
2、原理：对于给出的待分类项（即特征属性的集合），求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。
3、朴素贝叶斯分类流程
三、决策树
1、原理，相当于找对象
2、决策树定义：
决策树（DecisionTree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。
3、决策树构造：
其中属性选择度量的算法很多，一般使用自顶向下递归分治法，并采用不回溯的贪心策略。ID3和C4.5是两种常用算法。
4、ID3算法：
信息增益是特征选择中的一个重要指标，它定义为一个特征能够为分类系统带来多少信息，带来的信息越多，该特征越重要。
基本信息包括：熵，期望信息和信息增益。
（1）熵：设D为用类别对训练元组进行的划分，则D的熵表示为：
其中i表示第i个类别在整个训练元组中出现的概率，可以用属于此类别元素的数量除以训练元组元素总数量作为估计。熵的实际意义表示是D中元组的类标号所需要的平均信息量。
（2）期望信息：
现在我们假设将训练元组D按属性A进行划分，则A对D划分的期望信息为：
（3）信息增益：
（4）待补充案例：SNS社区中不真实账号检测的例子如中使用ID3算法构造决策树。
5、C4.5算法：
（1）ID3算法存在的问题：偏向于多值属性，例如，如果存在唯一标识属性ID，则ID3会选择它作为分裂属性，这样虽然使得划分充分纯净，但这种划分对分类几乎毫无用处。（例如会选择主键）
（2）原理：C4.5算法是基于ID3算法进行改进后的一种重要算法，使用信息增益率来选择属性。