2. KNN  计算距离分类

3. Decision Tree: 按照计算的熵分类

4. Naive Bayes: 计算条件概率，选择高概率的决策

5. Logistic Regression/逻辑回归：更具梯度上升的方法，拟合数据，分类数据


6. SVM:二值分类器：求解一个二次优化问题，来最大化分类间隔，产生一个二值决策结果 (SMO/Sequential Minimal Optimization 序列最小优化)



8.回归：预测数值数据， 包括：线性回归（最小二乘法拟合参数），局部加权线性回归,岭回归


9. 树回归：CART/分类树回归，建立二叉树然后使用回归分类 classifciation and regression tree