
الگوریتم های بسیاری در مباحث یادگیری ماشین وجود دارد که یادگیری و درک همه آنها فرایند زمانبری است. (شایدم غیر ممکن) در این مقاله تعدادی از الگوریتم های مطرح را همراه با معرفی دسته بندی کلی هر کدام نام میبریم و در آینده بر مرور و به ترتیب مهم ترین الگوریتم سعی در بررسی جزیی تر آنها خواهیم داشت.
Ordinary Least Squares Regression (OLSR) Linear Regression Logistic Regression Stepwise Regression Multivariate Adaptive Regression Splines (MARS) Locally Estimated Scatterplot Smoothing (LOESS) Jackknife Regression
Ridge Regression Least Absolute Shrinkage and Selection Operator (LASSO) Elastic Net Least-Angle Regression (LARS)
k-Nearest Neighbour (kNN) Learning Vector Quantization (LVQ) Self-Organizing Map (SOM) Locally Weighted Learning (LWL)
Principal Component Analysis (PCA) Principal Component Regression (PCR) Partial Least Squares Regression (PLSR) Sammon Mapping Multidimensional Scaling (MDS) Projection Pursuit Mixture Discriminant Analysis (MDA) Quadratic Discriminant Analysis (QDA) Regularized Discriminant Analysis (RDA) Flexible Discriminant Analysis (FDA) Linear Discriminant Analysis (LDA)
Deep Boltzmann Machine (DBM) Deep Belief Networks (DBN) Convolutional Neural Network (CNN) Stacked Auto-Encoders
Logit Boost (Boosting) Bootstrapped Aggregation (Bagging) AdaBoost Stacked Generalization (blending) Gradient Boosting Machines (GBM) Gradient Boosted Regression Trees (GBRT) Random Forest
Naive Bayes Gaussian Naive Bayes Multinomial Naive Bayes Averaged One-Dependence Estimators (AODE) Bayesian Belief Network (BBN) Bayesian Network (BN) Hidden Markov Models Conditional random fields (CRFs)
Classification and Regression Tree (CART) Iterative Dichotomises 3 (ID3) C4.5 and C5.0 (different versions of a powerful approach) Chi-squared Automatic Interaction Detection (CHAID) Decision Stump M5 Random Forests Conditional Decision Trees
Single-linkage clustering k-Means k-Medians Expectation Maximisation (EM) Hierarchical Clustering Fuzzy clustering DBSCAN OPTICS algorithm Non Negative Matrix Factorization Latent Dirichlet allocation (LDA)
Self Organizing Map Perceptron Back-Propagation Hopfield Network Radial Basis Function Network (RBFN) Autoencoders Boltzmann machines Restricted Boltzmann Machines Spiking Neural Networks Learning Vector quantization (LVQ)
Apriori Eclat FP-Growth Cubist One Rule (OneR) Zero Rule (ZerR) Repeated Incremental Pruning to Produce Error Reductron (RIPPER)
Evolutionary Algorithms Inductive Logic Programming (ILP) Reinforcement Learning (Q-Learning, Temporal Difference, State-Action-Reward-State-Action (SARSA)) ANOVA Information Fuzzy Network (IFN) Page Rank Conditional Random Fields (CRF)
موارد نام برده شده صرفا به منظور رفرنس کلی الگوریتم ها قابل استفاده است که در آینده هر الگوریتم به صفحه جزییات لینک خواهد شد.