Modelo de regresión
La previsión aplicada a los datos.
Modelo de regularización
Al introducir penalizaciones, se puede evitar que el modelo se ajuste demasiado y se puede mejorar la generalización del modelo.
Modelo de árbol de decisión
Puede usarse para predicción y clasificación.
Modelo integrado
Integre varios modelos débiles juntos para mejorar en gran medida la generalización y precisión del modelo. Y, naturalmente, evite el sobreajuste del modelo.
Típico: Bosque aleatorio Bosque aleatorio
Algoritmos de agrupación
Juzgue qué muestras son de la misma clase por medición de distancia.
Típico: método de agrupación de K-medias
Modelo de clasificación Algoritmos basados en instancias
Dada una muestra de prueba de proxy, determine a qué categoría pertenece la muestra de prueba de proxy.
Típico: método KNN
Máquinas de vectores de soporte
Se utiliza para la clasificación de datos de dimensiones de la ciudad, como clasificación de imágenes, reconocimiento facial, etc.
Modelos graficos
Aplicado al problema de la ruta
Algoritmos de aprendizaje de reglas de asociación
Tomemos el caso de Wal-Mart, cerveza y pañales.
Algoritmos bayesianos
La capa inferior se realiza mediante el teorema de Bayes. Aplicado al filtrado de spam y la inferencia de algunos problemas.
Algoritmos de reducción de dimensionalidad
Se utiliza para eliminar dimensiones sin importancia, reduciendo así el costo computacional
Modelo de sistema de recomendación
Red neuronal artificial
Modelo de aprendizaje profundo
Una vez establecido el modelo, es necesario resolver los coeficientes, que pueden resolverse mediante algunos algoritmos, como:
método de mínimos cuadrados,
método de descenso de gradiente estocástico, método de
descenso de gradiente por lotes, método de
Newton,
algoritmo ID3
C4.5
mediante el algoritmo de Yees