本节主要介绍为贝叶斯网络网络开个头，介绍一些名词和背景知识。贝叶斯网络对于概率图而言是一个很大的话题，以边的属性作为区分可以分为两种模型，有向图模型和无向图模型。其中无向图称为马尔可夫网络，视觉领域有比较大的应用，而有向图也就是BN(belief network).当然也有无向图和有向图相结合的网络，称为链图（Chain graph）。图1给出了一个完整的架构，当然这些模型具有一定的转换性，通过降

预处理预处理是机器学习一个基础问题，但是没有时间将预处理的方式进行整理，这次就将预处理的方式进行部分整理。归一化对于数值类型的特征可以进行归一化操作，而归一化意味着将现有数据整理到某一个范围内。线性函数归一化目标是将所有的数据归一化到[0,1]之间。$$X = \frac{X-X_i}{X_m-X_i}$$$X_m$代表X序列最大值，$X_i$代表X序列的最小值。零均值归一化目的是将原始数据归一化

数据可视化也是数据挖掘的一部分工作，常见于挖掘前的分析和挖掘后的装X，哈哈，开玩笑，总之数据可视化是数据挖掘中的十分重要的一部分。接下来的几个分享就是针对数据可视化的内容来讲的，希望大家能够很好的使用现有的工具构建出更好、更美的模型。常见的可视化图形条形图和饼图这应该是最古老的可视化方法啦，而且饼图适用于一个整体中不同部分的比较。条形图能够比较不同组的差异来来展示模式。当数值型数据被很好的划分为不