分类：
    KNN分类(适合数值型分类);
    Decision Tree分类（适合标量型数据分类，但同样要进行数值化）;
    Bayersian分类;
    Logistic回归分类;
    SVM支持向量机分类;
    AdaBoost分类;
聚类：
    KMeans
文本挖掘：
    LSI(LSA)
    pLSA
    Recommend（基于物品、特征性的推荐）
信息获取：
    SinaWeiboService
    BaiduMapService

hmgis/
    TextMining/
        /parseFile
            /parseCSV   将从微博数据中获得的CSV文件转化为分词后的文件
    Classifier/         分类器包
        /KNN
            /KNNDemo    KNN分类
                /createDataSet  加载一个内部数据集
                /classify0      分类器
                /file2matrix    将tab文件转化为矩阵
                /show2DTest     数据2D可视化
                /show3DTest     数据3D可视化
                /knnTest        最简单的分类器，测试单个值分类
                /autoNorm       数据归一化，是进行可视化前的必要程序
                /knnTest2       将数据文件中的数据进行分类
                /knnTestScikit  SCIKIT的KNN例子
        /DecisionTree
            /DecisionTreeDemo
                /createDataset  将标称数据转化为数值数据矩阵
                /dtTest         使用scikit的DT例子
        /Bayesian
            /Bayesian
            /RSSBayesian
            /EmailClassifier