लीनियर रिग्रेशन: एक निरंतर संख्या का अनुमान लगाने के लिए डेटा पर एक सीधी रेखा (या हाइपरप्लेन) फ़िट करना।
ट्रेन/टेस्ट/वैलिडेशन स्प्लिट: ऐसा डेटा अलग रखना जिस पर मॉडल कभी ट्रेन नहीं होता, ताकि यह ईमानदारी से जाँचा जा सके कि वह न देखे गए उदाहरणों पर कैसा करता है।
डिसीज़न ट्री: एक मॉडल जो इनपुट के बारे में हाँ/नहीं सवालों की एक श्रृंखला पूछकर भविष्यवाणी करता है, जैसे कोई फ़्लोचार्ट।
K निकटतम पड़ोसी: किसी नए पॉइंट को उसके सबसे नज़दीकी लेबल किए पड़ोसियों को देखकर वर्गीकृत करना।
नाइव बेयस: एक प्रायिकता आधारित क्लासिफ़ायर जो (भोलेपन से) मानता है कि क्लास दिए जाने पर हर फ़ीचर बाकियों से स्वतंत्र है।
फ़ीचर इंजीनियरिंग और स्केलिंग: कच्चे डेटा को (संख्याओं को स्केल करना, कैटेगरी को एनकोड करना) ऐसे रूप में ढालना जिससे मॉडल असल में अच्छी तरह सीख सके।
K-means क्लस्टरिंग: बिना लेबल वाले पॉइंट्स को बार-बार सबसे नज़दीकी केंद्र में डालकर और केंद्रों को दोबारा निकालकर k क्लस्टरों में बांटना।
संबंधित टॉपिक्स
डिसीज़न ट्री: एक मॉडल जो इनपुट के बारे में हाँ/नहीं सवालों की एक श्रृंखला पूछकर भविष्यवाणी करता है, जैसे कोई फ़्लोचार्ट।
K निकटतम पड़ोसी: किसी नए पॉइंट को उसके सबसे नज़दीकी लेबल किए पड़ोसियों को देखकर वर्गीकृत करना।
K-means क्लस्टरिंग: बिना लेबल वाले पॉइंट्स को बार-बार सबसे नज़दीकी केंद्र में डालकर और केंद्रों को दोबारा निकालकर k क्लस्टरों में बांटना।