1. 线性回归（Linear Regression）：这是一种猜测模型，用于依据一个或多个自变量来猜测因变量的值。

2. 逻辑回归（Logistic Regression）：虽然姓名中有“回归”，但逻辑回归是一种分类算法，用于猜测二分类问题。

3. 决议计划树（Decision Tree）：这是一种根据树形结构的分类和回归算法，经过一系列的规矩来做出决议计划。

4. 支撑向量机（SVM）：这是一种用于分类和回归的有监督学习算法，经过寻觅最大间隔超平面来区别不同类别的数据。

5. 随机森林（Random Forest）：这是一种集成学习方法，经过构建多个决议计划树并取它们的平均值来进步猜测的准确性和稳定性。

6. K最近邻（KNN）：这是一种简略的分类和回归算法，经过核算一个数据点与练习会集其他点的间隔，然后挑选最近的K个点来决议该点的类别。

7. 朴素贝叶斯（Naive Bayes）：这是一种根据贝叶斯定理的分类算法，它假定特征之间是彼此独立的。

8. 神经网络（Neural Networks）：这是一种模仿人脑神经网络结构的算法，用于处理杂乱的数据和形式识别问题。

9. 聚类算法（Clustering Algorithms）：如Kmeans、层次聚类等，用于将数据点分组，以便于发现数据中的形式和结构。

10. 主成分剖析（PCA）：这是一种降维技能，经过提取数据中的主要特征来削减数据集的维度。

这些算法在不同的使用场景中都有其共同的优势和局限性，挑选适宜的算法一般取决于具体问题的特色和需求。

未经允许不得转载：全栈博客园 » 机器学习十大经典算法,人工智能十大经典算法有哪些