3.）支持向量机（SVM）学习算法
学习算法用于商业应用，例如比较一段时间内股票的相对表现。这些比较结果随后可用于做出更明智的投资选择。SVM 算法是一种监督学习算法，其工作原理是通过超平面将数据集分 Ws 粉丝 类为不同的类别。
它将类别边缘化，并最大化它们之间的距离，以提供独特的区分。您可以将此算法用于对数据准确性和效率要求更高的分类任务。
4.）推荐系统算法
推荐算法的工作原理是，利用协作式和基于内容的技术，筛选和预测用户对商品的评分和偏好。该算法会筛选信息，识别与目标用户品味相似的群体，并结合该群体的评分，向目标用户进行推荐。它会建立基于产品的全局关联，并根据用户自身的评分提供个性化推荐。例如，如果用户喜欢电视剧《闪电侠》，也喜欢 Netflix 频道，那么算法就会向用户推荐类似类型的节目。
5.）回归机器学习算法
两种类型——线性回归和逻辑回归。
线性回归
。它主要用于展示因变量 次拨号过程中为其用户提 和自变量之间的关系，并展示当自变量发生变化时因变量会发生什么变化。它广泛应用于销售预测、健康保险公司的风险评估分析等应用，并且几乎不需要任何调整。
逻辑回归
逻辑回归是一种用于预测分析的统计分析技术。它使用二元分类来得出特定结果，并对违约类别的概率 邮寄线索进行建模。逻辑回归的一个很好的例子是，信用卡公司会开发模型来判断客户是否会拖欠其贷款分期付款 (EMI)。逻辑回归的最大优点在于，你可以包含更多解释性（因）变量，例如二分变量、序数变量和连续变量，来对二项式结果进行建模。
逻辑回归的应用包括：
- 识别疾病风险因素并制定预防措施
- 将单词分类为名词、代词和动词
- 用于预测降雨和天气状况的天气预报应用程序
- 在投票申请中了解选民是否会投票给某个候选人
6.）决策树机器学习算法
你想买一张电子游戏DVD送给你最好的朋友作为生日礼物，但不确定他是否会喜欢。你咨询了决策树机器学习算法，它会询问你一系列与他偏好相关的问题，例如他使用的游戏机型号、你的预算是多少。它还会询问他喜欢角色扮演游戏还是第一人称射击游戏、喜欢玩单人游戏还是多人游戏、每天玩游戏的时间以及他的通关记录。