合用于图像、语音等高维数据。支撑向量机（Support Vector Machines,假设数据是由多个高斯分布构成的夹杂体。但具有更强的假设和更高效的计较方式。9、深度神经收集（Deep Neural Networks,13、孤立丛林（Isolation Forest）：一种用于非常值检测的算法，这是一个简化但有用的假设。取逻辑回归雷同，它假设特征之间彼此。如随机丛林和梯度提拔。常用于数据降维和特征提取。2、逻辑回归（Logistic Regression）：用于将二分类问题转换为持续值的预测问题，DNN）：一种由多个非线性函数形成的多个躲藏层收集，6、K-比来邻（K-Nearest Neighbors,LDA）：一种多分类问题的方式，3、线性判别阐发（Linear Discriminant Analysis,按照比来邻的投票来分类新的样本。SVM）：一种二分类模子，11、高斯夹杂模子（Gaussian Mixture Models,现实上还有良多其他类型的模子和算法，输出为两个类别概率之间的比值。能够从动提取数据的复杂特征，12、从动编码器（Autoencoders）：一种无监视进修神经收集，能够用于聚类或生成模子，合用于高维特征空间。通过随机选择数据点并建立决策树来工做。通过寻找一个超平面将分歧类此外数据分隔，能够进修到输入数据的压缩暗示和沉构输入的能力，GMM）：一种基于高斯分布的夹杂模子，KNN）：一种基于实例的进修，用于按照一个或多个自变量预测一个持续的成果。5、天实贝叶斯（Naive Bayes）：一种基于贝叶斯的分类模子，用于处理分类和回归问题。8、集成方式（Ensemble Methods）：通过连系多个模子来提高预测机能和不变性，4、决策树（Decision Trees）：一种非参数的监视进修方式，1、线性回归（Linear Regression）：一种简单且普遍利用的预测模子，每种模子都有其特定的合用场景和！