ElasticNet-弹性网
用于建立 Elastic Net 弹性网回归，结合 L1 与 L2 正则化进行变量筛选和稳定估计，适合高维或共线性数据。
算法目录
按类目、下载状态和价格筛选全部算法。
分类筛选
BayesianRidge-贝叶斯岭回归
用于建立贝叶斯岭回归模型，在岭正则化基础上估计参数不确定性，适合存在共线性或希望获得稳定回归结果的数据。
XGBoost
用于使用XGBoost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。
随机梯度线性模型（SGD）-SGDLinear
用于使用SGDLinear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。
LightGBM
用于使用LightGBM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。
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。
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。
当前第 1 页，共 3 页，共 19 个算法