线性判别和二次判别（LDA和QDA）
用于使用线性判别和二次判别（LDA和QDA）完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
算法目录
按类目、下载状态和价格筛选全部算法。
分类筛选
核岭回归（KRR）-KernelRidge
用于使用KernelRidge完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
梯度提升树（GBDT）
用于使用梯度提升树（GBDT）完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
高斯过程（GP）- GaussianProcess
用于使用GaussianProcess完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
极端随机树（ExtraTrees）
用于使用极端随机树（ExtraTrees）完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
CatBoost
用于使用CatBoost完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
随机森林算法RandomForest
用于使用随机森林算法RandomForest完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
朴素贝叶斯
用于使用朴素贝叶斯完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
机器学习-线性回归和逻辑回归
用于使用线性回归和逻辑回归完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。
当前第 20 页，共 23 页，共 204 个算法