我用36页PPT搞懂了机器学习十二大经典算法！机器学习算法有哪些？

机器学习目前在日常生活中有很多地方都有应用，作为人工智能的知识支柱之一，它的十二大经典算法有哪些呢？今天就用36页PPT讲清楚这12大经典算法！

免费分享我整理的人工智能自学资料给大家，如果你想自学，这套资料非常全面！
关注公众号【AI技术星球】发暗号【321C】即可获取！

【人工智能自学路线图（图内推荐资源可点击内附链接直达学习）】
【AI入门必读书籍-花书、西瓜书、动手学深度学习等等...】
【机器学习经典算法视频教程+课件源码、机器学习实战项目】
【深度学习与神经网络入门教程】

【计算机视觉+NLP经典项目实战源码】
【大模型入门自学资料包】
【学术论文写作攻略工具】

机器学习算法有哪些？机器学习算法种类繁多，通常可以根据学习方式分为以下三大类：

一、监督学习（Supervised Learning）

有标签的数据，用于分类或回归问题。

常见算法：

类型	算法名称	简介
回归	线性回归（Linear Regression）	用于预测连续值
分类	逻辑回归（Logistic Regression）	用于二分类问题
分类/回归	决策树（Decision Tree）	基于树结构做出判断
分类/回归	随机森林（Random Forest）	多棵决策树的集成方法
分类/回归	支持向量机（SVM）	寻找最优超平面分类
分类/回归	K近邻算法（KNN）	基于距离的投票或平均
分类/回归	梯度提升机（GBDT / XGBoost / LightGBM）	提升树模型，性能强大
分类	朴素贝叶斯（Naive Bayes）	基于概率的分类方法
分类/回归	神经网络（Neural Network）	模拟人脑结构，适用于复杂任务

二、无监督学习（Unsupervised Learning）

没有标签的数据，目标是发现数据的内在结构。

常见算法：

类型	算法名称	简介
聚类	K均值算法（K-Means）	根据距离将数据分组
聚类	层次聚类（Hierarchical Clustering）	基于数据之间的层次关系
聚类	DBSCAN	基于密度的聚类
降维	主成分分析（PCA）	提取最重要的特征维度
降维	t-SNE / UMAP	非线性降维，用于可视化高维数据
关联规则	Apriori / FP-Growth	用于发现项目之间的关联性（如购物篮分析）

三、强化学习（Reinforcement Learning）

智能体通过与环境交互学习决策策略。

常见算法：

类型	算法名称	简介
值迭代	Q-learning	学习状态-动作值函数
策略梯度	Policy Gradient	直接优化策略函数
混合型	DQN（Deep Q Network）	结合深度学习的Q-learning
高级方法	A3C、PPO、DDPG 等	深度强化学习常用算法