类别的预测在数据挖掘里算是个蛮常见又挺实用的需求。常见的用法，比如给用户打标签、判断邮件是不是垃圾邮件，这类都属于分类问题。讲白了，就是用已有的样本去猜测新数据属于哪一类。嗯，想搞明白这个方向，有几个资源还挺不错，建议你瞅瞅。

数据挖掘分类算法浅析的文章蛮适合入门的，讲了决策树、SVM、Naive Bayes 这些经典算法。里面对比清晰，适合你快速理解各种算法怎么选场景用。想用来面试准备也挺合适，毕竟问分类算法的场景太多了。

想从更宏观的角度看看分类在整个数据挖掘中的地位？那就建议点开数据挖掘中的知识类别总览。它会把分类、聚类、关联规则挖掘这些通通理一遍，适合你在项目前定方向。

要是你对KNN感兴趣（或者在文本挖掘里用得多），那基于类别特性的 KNN 文本分类算法改进这篇值得一看。它讲了怎么让 KNN 在文本时更聪明点，比如加权、改进距离计算啥的。嗯，实战中还挺能派上用场。

，如果你平时要搞分类任务，或者准备挖掘类项目，这几篇文献能帮你建立一个比较清晰的框架。如果你刚好卡在某个算法选型上，也就能帮你解个惑。