《AI大模型开发笔记》——机器学习18个核心算法模型

目录

1. 线性回归（Linear Regression）

2. 逻辑回归（Logistic Regression）

3. 决策树（Decision Tree）

4. 支持向量机（Support Vector Machine，SVM）

5. 朴素贝叶斯（Naive Bayes）

6. K近邻算法（K-Nearest Neighbors，KNN）

7. 聚类算法（Clustering）

8. 神经网络（Neural Networks）

9. 集成方法（Ensemble Methods）

10. 降维算法（Dimensionality Reduction）

11. 主成分分析（Principal Component Analysis，PCA）

12. 支持向量回归（Support Vector Regression，SVR）

13. 核方法（Kernel Methods）

13. 核方法（Kernel Methods）

15. 随机森林（Random Forest）

16. 梯度提升（Gradient Boosting）

17. AdaBoost（Adaptive Boosting）

18. 深度学习（Deep Learning）

---

1. 线性回归（Linear Regression）

用于建立自变量（特征）和因变量（目标）之间的线性关系。

核心公式：

简单线性回归的公式为：  , 其中 是预测值， 是截距，