当前位置: 首页 > article >正文

常见的机器学习模型汇总

机器学习模型可以按照不同的类别进行分类。以下是一些常见的机器学习模型:

1. 监督学习模型

  • 回归模型

    • 线性回归 (Linear Regression)
    • 岭回归 (Ridge Regression)
    • 套索回归 (Lasso Regression)
    • 多项式回归 (Polynomial Regression)
    • 弹性网回归 (Elastic Net Regression)
  • 分类模型

    • 逻辑回归 (Logistic Regression)
    • K-近邻算法 (K-Nearest Neighbors, KNN)
    • 支持向量机 (Support Vector Machine, SVM)
    • 朴素贝叶斯 (Naive Bayes)
      • 高斯朴素贝叶斯 (Gaussian Naive Bayes)
      • 多项式朴素贝叶斯 (Multinomial Naive Bayes)
      • 伯努利朴素贝叶斯 (Bernoulli Naive Bayes)
    • 决策树 (Decision Tree)
    • 随机森林 (Random Forest)
    • 梯度提升决策树 (Gradient Boosted Decision Trees, GBDT)
      • XGBoost
      • LightGBM
      • CatBoost
    • 神经网络 (Neural Network)
      • 多层感知器 (Multilayer Perceptron, MLP)

2. 无监督学习模型

  • 聚类模型

    • K均值聚类 (K-Means Clustering)
    • 层次聚类 (Hierarchical Clustering)
    • 均值漂移聚类 (Mean Shift Clustering)
    • DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
    • 高斯混合模型 (Gaussian Mixture Model, GMM)
  • 降维模型

    • 主成分分析 (Principal Component Analysis, PCA)
    • 奇异值分解 (Singular Value Decomposition, SVD)
    • 独立成分分析 (Independent Component Analysis, ICA)
    • 线性判别分析 (Linear Discriminant Analysis, LDA)
    • t-SNE (t-distributed Stochastic Neighbor Embedding)
    • UMAP (Uniform Manifold Approximation and Projection)
  • 关联规则学习

    • Apriori
    • Eclat

3. 半监督学习模型

  • 自编码器 (Autoencoder) 与深度生成模型
  • 半监督SVM

4. 强化学习模型

  • 值函数法

    • Q学习 (Q-Learning)
    • 深度Q网络 (Deep Q-Network, DQN)
  • 策略梯度法

    • REINFORCE
    • Actor-Critic
    • 深度确定性策略梯度 (Deep Deterministic Policy Gradient, DDPG)
    • 近端策略优化 (Proximal Policy Optimization, PPO)
    • 信赖区域策略优化 (Trust Region Policy Optimization, TRPO)
  • 模型自由强化学习方法

    • 蒙特卡洛树搜索 (Monte Carlo Tree Search, MCTS)

5. 集成学习模型

  • Bagging(袋装法)

    • 随机森林 (Random Forest)
    • Bagged Decision Trees
  • Boosting(提升法)

    • AdaBoost
    • 梯度提升机 (Gradient Boosting Machine, GBM)
    • XGBoost
    • LightGBM
    • CatBoost
  • Stacking(堆叠法)

    • 堆叠泛化模型 (Stacked Generalization Models)

6. 神经网络与深度学习模型

  • 前馈神经网络

    • 多层感知器 (Multilayer Perceptron, MLP)
  • 卷积神经网络 (Convolutional Neural Network, CNN)

    • LeNet
    • AlexNet
    • VGGNet
    • ResNet (Residual Network)
    • Inception Network (GoogLeNet)
    • EfficientNet
  • 循环神经网络 (Recurrent Neural Network, RNN)

    • 长短期记忆网络 (Long Short-Term Memory, LSTM)
    • 门控循环单元 (Gated Recurrent Unit, GRU)
    • 双向LSTM (Bidirectional LSTM)
  • 生成模型

    • 自编码器 (Autoencoder)
    • 生成对抗网络 (Generative Adversarial Network, GAN)
      • DCGAN (Deep Convolutional GAN)
      • CycleGAN
      • StyleGAN
    • 变分自编码器 (Variational Autoencoder, VAE)
  • 图神经网络 (Graph Neural Network, GNN)

    • 图卷积网络 (Graph Convolutional Network, GCN)
    • 图注意力网络 (Graph Attention Network, GAT)
  • 注意力模型和转换器

    • Transformer
    • BERT (Bidirectional Encoder Representations from Transformers)
    • GPT (Generative Pre-trained Transformer)

7. 贝叶斯模型

  • 贝叶斯线性回归 (Bayesian Linear Regression)
  • 高斯过程回归 (Gaussian Process Regression)
  • 隐马尔可夫模型 (Hidden Markov Model, HMM)

8. 特征选择与工程方法

  • 主成分分析 (Principal Component Analysis, PCA)
  • 特征选择算法(如递归特征消除,RFE)

http://www.kler.cn/a/373657.html

相关文章:

  • linux学习笔记 Ubuntu下的守护进程supervisor安装与多项目部署
  • java程序打包为一个exe程序
  • 【K8S系列】Kubernetes 中 NodePort 类型的 Service 无法访问的问题【已解决】
  • 正则表达式---火星文计算
  • 电科金仓(人大金仓)更新授权文件(致命错误: XX000: License file expired.)
  • 三周精通FastAPI:24 OAuth2 实现简单的 Password 和 Bearer 验证
  • C++ 复习记录(个人记录)
  • 基于Multisim的四位抢答器设计与仿真
  • 数据结构,问题 A: 翻转字符串
  • 野火鲁班猫4 (RK3588)系统配置
  • Mybatis 统计sql运行时间
  • 嵌入式linux跨平台基于mongoose的TCP C++类的源码
  • 如何在macOS开发中给 PKG 签名和公证(productsign+notarytool)
  • Vue中path和component属性
  • JAVA基础练习题
  • 攻防世界 MISC miao~详解
  • 无人机测绘遥感技术算法概述!
  • Q-learning原理及代码实现
  • 初识 BPF:从 Hello World 开始的内核编程之旅
  • SpringBoot技术:闲一品交易的未来
  • 标准数字隔离器主要特性和应用---腾恩科技
  • CAN报文:位定时和位同步
  • CSS 复习
  • ARM base instruction -- adc
  • 基于LORA的一主多从监测系统_4G模块上巴法云
  • 哈希函数简介