机器学习任务通常包括分类（Classification）和回归（Regression），常用的分类器包括SVM、KNN、贝叶斯、线性回归、逻辑回归、决策树、随机森林、xgboost、GBDT、boosting、神经网络NN。常见的降维方法包括TF-IDF、主题模型LDA、主成分分析PCA等等。
举一反三
- 中国大学MOOC: 常用于分类问题和回归问题。常见算法有逻辑回归（Logistic Regression）、反向传递神经网络（Back Propagation Neural Network）、决策树（Decision Trees）、朴素贝叶斯分类(Naive Bayesian classification)等。
- 机器学的方法包括()。 A: 监督学习算法：线性回归，逻辑回归，神经网络，SVM B: 无监督学习算法：聚类算法，降维算法 C: 特殊算法：推荐算法
- 只能实现机器学习的分类问题的算法模型有________。 A: KNN B: K-means C: 朴素贝叶斯 D: 逻辑回归
- 哪些模型可以作为随机森林中的基本分类器 A: 决策树 B: SVM C: Logistic回归器 D: 线性判别分类器
- 分类器不包括的() A: 决策树 B: 逻辑回归 C: 朴素贝叶斯 D: 图灵测试