各种机器学习模型_业界新闻

一、监督学习

线性回归（Linear Regression）
多项式回归（Polynomial Regression）
岭回归（Ridge Regression）
Lasso回归（Lasso Regression）
弹性网络回归（Elastic Net Regression）
逻辑回归（Logistic Regression）
决策树回归（Decision Tree Regression）
随机森林回归（Random Forest Regression）
支持向量机（SVM）
非线性支持向量机
多类别支持向量机
核函数支持向量机
稀疏支持向量机
核贝叶斯支持向量机
不平衡类别支持向量机
K最近邻（K-Nearest Neighbors, KNN）
AdaBoost
梯度提升树（Gradient Boosting Trees）
XGBoost（极端梯度提升）
LightGBM（轻量级梯度提升机）
CatBoost
贝叶斯Ridge回归
贝叶斯Lasso回归

二、无监督学习

K均值聚类（K-Means Clustering）
层次聚类（Hierarchical Clustering）
密度聚类（Density-Based Clustering）
谱聚类（Spectral Clustering）
DBSCAN（Density-Based Spatial Clustering of Applications with Noise）
EM聚类（Expectation-Maximization Clustering）
模糊聚类（Fuzzy Clustering）
主成分分析（PCA, Principal Component Analysis）
线性判别分析（LDA, Linear Discriminant Analysis）
t-分布随机邻域嵌入（t-SNE, t-Distributed Stochastic Neighbor Embedding）
独立成分分析（ICA, Independent Component Analysis）
自编码器（Autoencoder）
关联规则学习
Apriori算法
Eclat算法
FP-growth算法

三、强化学习

Q学习（Q-learning）
深度Q网络（DQN）
政策梯度（Policy Gradients）
Actor-Critic方法
深度确定性策略梯度（DDPG）
优势行动者-评论家（A2C）
优势行动者-评论家（A3C）
信任区域策略优化（TRPO）
近端策略优化（PPO）
自我博弈学习（如AlphaGo）

四、深度学习

前馈神经网络（Feedforward Neural Networks, FNNs）
卷积神经网络（Convolutional Neural Networks, CNNs）
循环神经网络（Recurrent Neural Networks, RNNs）
长短时记忆网络（Long Short-Term Memory, LSTM）
门控循环单元（Gated Recurrent Unit, GRU）
自注意力模型（Transformer）
生成对抗网络（Generative Adversarial Networks, GANs）
变分自编码器（Variational Autoencoders, VAEs）
深度置信网络（Deep Belief Networks, DBNs）
深度玻尔兹曼机（Deep Boltzmann Machine, DBM）
残差网络（ResNet）
Inception网络
U-Net
YOLO（实时对象检测）
Mask R-CNN（实例分割）
Siamese网络（用于相似性学习）
Triplet网络（用于相似性学习）
多任务学习网络
迁移学习和微调模型
神经样式转换
循环生成对抗网络（CycleGAN）

七、其他算法

ID3 (Iterative Dichotomiser 3)
C4.5
CART (Classification and Regression Trees)
随机森林（Random Forest）
多输出树（Multi-output Trees）
特征选择（Feature Selection）
核方法降维
高斯过程（Gaussian Processes）
贝叶斯优化（Bayesian Optimization）
变分贝叶斯（Variational Bayesian Methods）
贝叶斯深度学习（Bayesian Deep Learning）
朴素贝叶斯（Naive Bayes）
贝叶斯网络（Bayesian Networks）
自然语言处理（NLP）特定算法（如BERT，GPT）
图神经网络（Graph Neural Networks）