用于数据挖掘的分类算法有哪些，各有何优劣

朴素贝叶斯：模型简单 性能好

Logistic回归：更容易的调整分类阈值，得到分类的不确定性，得到置信区间

决策树：以轻松的处理这种情况：属于A类的样本的特征x取值往往非常小或者非常大，而属于B类的样本的特征x取值在中间范围

支持向量机：很高的分类正确率，对过拟合有很好的理论保证，选取合适的核函数，面对特征线性不可分的问题也可以表现得很好。

算法可大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法、随机化算法、并行算法，厄米变形模型，随机森林算法。算法可以宏泛的分为三类：

1、有限的，确定性算法，这类算法在有限的一段时间内终止。他们可能要花很长时间来执行指定的任务，但仍将在一定的时间内终止。这类算法得出的结果常取决于输入值；

2、有限的，非确定算法，这类算法在有限的时间内终止。然而，对于一个给定的数值，算法的结果并不是唯一的或确定的；