回归模型
应用于数据的预测。
正则化模型
通过引入惩罚措施,可以防止模型的过拟合,提高模型的泛化性。
决策树模型
既可以用于预测,也可以用于分类。
集成模型
将多个弱模型集成在一起,从而极大提高模型的泛化性和准确度。并且天然避免模型的过拟合。
典型的:Random Forest 随机森林
聚类模型 Clustering Algorithms
通过距离度量判断哪些样本是一类。
典型的:K-Means聚类法
分类模型 Instance-based Algorithms
给定一个代测样本,判断代测样本是属于哪一类。
典型的:KNN法
支持向量机模型 Support Vector Machines
用于市维数据的分类,比如图片分类,人脸识别等。
图模型 Graphical models
应用于路径问题
关联规则学习模型 Association Rule Learning Algorithms
比如沃尔码,啤酒和尿布的案例。