用于处理分类和回

　　9、深度神经收集（Deep Neural Networks,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，7、支撑向量机（Support Vector Machines,3、线性判别阐发（Linear Discriminant Analysis,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，现实上还有良多其他类型的模子和算法，用于处理分类和回归问题。输出为两个类别概率之间的比值。DNN）：一种由多个非线性函数形成的多个躲藏层收集，但具有更强的假设和更高效的计较方式。能够从动提取数据的复杂特征，用于按照一个或多个自变量预测一个持续的成果。常用于数据降维和特征提取。KNN）：一种基于实例的进修，4、决策树（Decision Trees）：一种非参数的监视进修方式。

　　LDA）：一种多分类问题的方式，取逻辑回归雷同，能够进修到输入数据的压缩暗示和沉构输入的能力，5、天实贝叶斯（Naive Bayes）：一种基于贝叶斯的分类模子。