机器学习

298 种方法。

Machine learning 228

主动学习关联规则主动学习自编码器异常检测主动学习提升（Active Learning Boosting）主动学习决策树联邦主动学习主动学习高斯混合模型主动学习高斯过程主动学习梯度提升主动学习孤立森林主动学习 K-近邻主动学习 LightGBM 主动学习线性回归主动学习逻辑回归主动学习单类支持向量机主动学习与自监督学习主动学习堆叠集成主动学习支持向量机主动学习投票集成 Apriori算法关联规则自动编码器异常检测贝叶斯主动学习贝叶斯关联规则贝叶斯自编码器异常检测贝叶斯装袋法贝叶斯提升 (Bayesian Boosting)贝叶斯决策树贝叶斯联邦学习贝叶斯少样本学习贝叶斯高斯混合模型贝叶斯高斯过程贝叶斯 k-近邻算法贝叶斯 LightGBM 贝叶斯度量学习贝叶斯朴素贝叶斯 (Bayesian Naive Bayes)贝叶斯单类支持向量机贝叶斯在线学习贝叶斯随机森林贝叶斯半监督学习贝叶斯堆叠集成贝叶斯支持向量机贝叶斯迁移学习贝叶斯XGBoost Boosting 集成主动学习集成先验算法 (Ensemble Apriori Algorithm)集成关联规则集成自编码器异常检测集成决策树集成联邦学习集成少样本学习集成高斯混合模型集成高斯过程集成梯度提升 Ensemble HDBSCAN 集成孤立森林集成K均值集成 K-近邻算法集成线性回归集成逻辑回归集成度量学习集成朴素贝叶斯集成单类支持向量机 (Ensemble One-Class SVM)Ensemble Online Learning 集成自监督学习集成半监督学习集成支持向量机集成迁移学习可解释关联规则可解释自编码器异常检测可解释 DBSCAN 可解释决策树可解释的极限随机树可解释 FP-Growth 可解释高斯混合模型可解释高斯过程可解释梯度提升可解释 HDBSCAN 可解释隔离森林可解释K-Means 可解释 K-近邻算法可解释 LightGBM 可解释朴素贝叶斯可解释单类支持向量机可解释随机森林可解释堆叠集成可解释支持向量机可解释投票集成可解释XGBoost 极端随机树 (Extra Trees)少样本学习高斯过程 K-means聚类线性回归 (ML)逻辑回归（机器学习）度量学习单类支持向量机在线主动学习在线关联规则在线自编码器异常检测在线Bagging 在线提升 (Online Boosting)在线 DBSCAN 在线决策树在线联邦学习在线少样本学习在线FP增长 (Online FP-growth)在线高斯混合模型在线高斯过程在线梯度提升在线HDBSCAN 在线孤立森林 (Online Isolation Forest)在线K均值聚类 (Online K-means)在线K近邻在线学习在线 LightGBM 在线线性回归在线逻辑回归在线度量学习在线朴素贝叶斯在线单类支持向量机在线随机森林在线自监督学习在线半监督学习在线支持向量机在线迁移学习在线投票集成正则化提升正则化 CatBoost 正则化决策树正则化联邦学习正则化少样本学习正则化高斯混合模型正则化高斯过程正则化梯度提升正则化 K-均值聚类正则化k近邻算法正则化 LightGBM 正则化线性回归正则化逻辑回归正则化朴素贝叶斯正则化在线学习正则化随机森林正则化半监督学习正则化堆叠集成正则化支持向量机正则化迁移学习鲁棒主动学习鲁棒自编码器异常检测稳健自举聚合鲁棒提升鲁棒决策树鲁棒联邦学习鲁棒高斯混合模型稳健高斯过程鲁棒梯度提升 Robust HDBSCAN 鲁棒隔离森林鲁棒k均值鲁棒LightGBM 稳健线性回归鲁棒度量学习鲁棒朴素贝叶斯鲁棒单类支持向量机 (Robust One-Class SVM)鲁棒在线学习鲁棒随机森林鲁棒堆叠集成鲁棒支持向量机鲁棒投票集成鲁棒XGBoost 自监督主动学习自监督自编码器异常检测自监督增强学习自监督 DBSCAN 自监督决策树 Self-supervised Federated Learning 自监督少样本学习自监督高斯混合模型自监督高斯过程自监督梯度提升 (Self-supervised Gradient Boosting)自监督隔离森林自监督 K-均值自监督 K-近邻自监督学习自监督 LightGBM 自监督逻辑回归自监督度量学习自监督朴素贝叶斯自监督单类支持向量机 (Self-supervised One-class SVM)自监督随机森林自监督堆叠集成自监督支持向量机自监督迁移学习半监督主动学习半监督Apriori算法半监督关联规则半监督自编码器异常检测半监督 Bagging 半监督提升半监督 CatBoost 半监督DBSCAN 半监督决策树半监督联邦学习半监督少样本学习半监督FP-growth 半监督高斯混合模型半监督高斯过程半监督梯度提升半监督 HDBSCAN 半监督隔离森林半监督K-均值半监督K近邻半监督学习半监督 LightGBM 半监督线性回归半监督逻辑回归半监督度量学习半监督朴素贝叶斯半监督单类支持向量机半监督在线学习半监督随机森林半监督堆叠集成半监督支持向量机半监督迁移学习半监督投票集成半监督XGBoost 迁移学习投票集成 (Voting Ensemble)

Ml-model 42

AdaBoost 亲和传播聚类 Bagging（Bootstrap Aggregating）BIRCH CatBoost DBSCAN 决策树弹性网络 (Elastic Net)高斯混合模型广义可加模型 (GAM)梯度提升（Gradient Boosting）HDBSCAN 层次聚类孤立森林 (Isolation Forest)K-Means聚类 K-Nearest Neighbors 标签传播 Lasso 回归 LightGBM 局部异常因子 (LOF)局部线性嵌入 (LLE)LOESS / LOWESS局部回归多元自适应回归样条 (MARS)均值漂移多层感知机 (MLP)朴素贝叶斯 (Naive Bayes) 是一种快速的概率分类器，它应用贝叶斯定理，同时假设特征在给定类别时是条件独立的 OPTICS 偏最小二乘回归 (PLS)主成分分析主成分回归 (PCR)随机森林回归与平滑样条岭回归（Ridge Regression）SHAP (SHapley Additive exPlanations)谱聚类堆叠法随机梯度下降 (SGD)支持向量机（分类）支持向量回归 t-SNE UMAP XGBoost

Latent-structure 7

独立成分分析（ICA）Isomap 核主成分分析潜在狄利克雷分配 (LDA)线性判别分析 (LDA)非负矩阵分解 (NMF)二次判别分析 (QDA)

Pattern mining 5

关联规则挖掘（Apriori）ECLAT 频繁项集挖掘涌现模式挖掘 FP-Growth (频繁模式增长)序列模式挖掘

Trustworthy ML 4

保形预测公平感知机器学习模型校准分布外检测

Explainable AI 2

反事实解释 LIME：局部可解释模型无关解释

Reinforcement learning 2

策略梯度方法 Q学习

Dimensionality reduction 2

随机投影自组织映射 (Kohonen 映射)

Interactive ML 1

Bayesian 1

贝叶斯岭回归

Recommender systems 1

Clustering 1

模糊 C均值聚类 (FCM)

Missing data 1

Rule learning 1

规则归纳（RIPPER）