通过算法训练识别字符为0-9的数字，也可以为A-Z的字符，目前sklearn提供的数据集里面为0-9的数字。数据训练前需要用图像处理软件将数字转换成宽高为32X32的黑白图像，然后将其变换成1x1024的向量。

朴素贝叶斯：垃圾邮件过滤

邮箱系统如何分辨一封Email是否属于垃圾邮件？这应该属于文本挖掘的范畴，通常会采用朴素贝叶斯的方法进行判别。它的主要原理是，根据邮件正文中的单词，是否经常出现在垃圾邮件中，进行判断。

Logistic回归又称Logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。使用Logistic回归来预测患疝气病的马的存活问题是一个典型的案例，项目数据集包含了医院检测马疝病的368个样本和28个特征，有的指标比较主观，有的指标难以测量。

构建一个推荐系统，该系统可以像一个人推荐去哪儿吃饭和菜品推荐，解决人们选择饭店和不知道点什么菜的问题。这个系统能够寻找用户没有尝过的菜肴，预估用户对该菜品的评分，然后通过SVD来减少特征空间并提高推荐效果。

基于异常值分析：支付中的交易欺诈侦测

采用支付宝支付时，或者刷信用卡支付时，系统会实时判断这笔刷卡行为是否属于盗刷。通过判断刷卡的时间、地点、商户名称、金额、频率等要素进行判断。这里面基本的原理就是寻找异常值。如果您的刷卡被判定为异常，这笔交易可能会被终止。

异常值的判断，应该是基于一个欺诈规则库的。可能包含两类规则，即事件类规则和模型类规则。第一，事件类规则，例如刷卡的时间是否异常（凌晨刷卡）、刷卡的地点是否异常（非经常所在地刷卡）、刷卡的商户是否异常（被列入黑名单的套现商户）、刷卡金额是否异常（是否偏离正常均值的三倍标准差）、刷卡频次是否异常（高频密集刷卡）。第二，模型类规则，则是通过算法判定交易是否属于欺诈。一般通过支付数据、卖家数据、结算数据，构建模型进行分类问题的判断。

决策树：预测隐形眼镜的类型

预测隐形眼镜的类型是决策树分类问题中的一个案例。隐形眼镜数据集是非常著名的数据集，它包含了很多患者眼部状况的观察条件以及医生推荐的隐形眼镜类型。隐形眼镜类型包括硬材质、软材质以及不适合佩戴隐形眼镜。数据中采用的特征有四个：age（年龄）、prescript（症状）、astigmatic（是否散光）、tearRate（眼泪数量）。

Apriori算法关联分析是从大规模数据集中寻找物品间的隐含关系。通过分析寻找毒蘑菇的公共特征，利用这些特征就能避免迟到有毒的蘑菇。所提供的数据集合重有蘑菇的23种特征的数据集，每一个特征是标称数据。而我们需要将样本转换成特征的集合，枚举每个特征所有可能的举止，如果某个样本包含特征，那么特征对应的整数应该被包含在数据集中，每一个样本都是这样的特征集合。如果第一个特征有毒就是2，如果能食用就是1，下一个特征是形状有6可能值，用整数3-8表示，相当于把需要的特征维度都进行排列离散化。最终只有一个大维特征集。

基于社会网络分析：电信中的种子客户

种子客户和社会网络，最早出现在电信领域的研究。即，通过人们的通话记录，就可以勾勒出人们的关系网络。电信领域的网络，一般会分析客户的影响力和客户流失、产品扩散的关系。基于通话记录，可以构建客户影响力指标体系。采用的指标，大概包括如下，一度人脉、二度人脉、三度人脉、平均通话频次、平均通话量等。基于社会影响力，分析的结果表明，高影响力客户的流失会导致关联客户的流失。其次，在产品的扩散上，选择高影响力客户作为传播的起点，很容易推动新套餐的扩散和***。此外，社会网络在银行（担保网络）、保险（团伙欺诈）、互联网（社交互动）中也都有很多的应用和案例。

对于红楼梦的作者，通常认为前80回合是曹雪芹所著，后四十回合为高鹗所写。其实主要问题，就是想确定，前80回合和后40回合是否在遣词造句方面存在显著差异。有些学者通过统计名词、动词、形容词、副词、虚词出现的频次，以及不同词性之间的相关系做判断。有些学者通过虚词（例如之、其、或、亦、了、的、不、把、别、好），判断前后文风的差异。有些学者通过场景（花卉、树木、饮食、医药与诗词）频次的差异，来做统计判断。总而言之，主要通过一些指标量化，然后比较指标之间是否存在显著差异，藉此进行写作风格的判断。

利用PCA来对数据降维