机器学习基础模型总结及特点
机器学习模型分为监督学习和无监督学习
监督学习模型常常使用于分类和回归等方面：
1.分类：线性回归、支持向量机（SVM）、朴素贝叶斯（NB）、K邻近（KNN）、决策数（DT）、集成模型（RF/GDBT）
2.回归：线性回归，支持向量机（SVM）、K邻近（KNN）、回归树（DT）、集成模型（ExtraTrees/RF/GDBT）
分类器有线性分类器和非线性分类器：
1.线性分类器：LR、贝叶斯分类、单层感知机、线性回归。
2.非线性分类器：决策树、RF、GBDT、多层感知机。
无监督学习主要包括：数据聚类（K-means）/ 数据降维（PCA）等等.
因篇幅问题不能全部显示，请点此查看更多更全内容