| 方法 | 适用问题 | 模型特点 | 模型类型 | 学习策略 | 学习的损失函数 | 学习算法 |
|---|---|---|---|---|---|---|
| 感知机 | 二分类 | 分离超平面 | 判别模型 | 极小化误分点到超平面距离 | 误分点到超平面的距离 | 随机梯度下降 |
| k紧邻算法 | 多类分类；回归 | 特征空间，样本点 | 判别模型 | |||
| 朴素贝叶斯法 | 多类分类 | 特征与概率的联合概率分布，条件独立假设 | 生成模型 | 极大似然估计，极大后验概率估计 | 对数似然损失 | 概率计算公式，EM算法 |
| 决策树 | 多类分类，回归 | 分类树；回归树 | 判别模型 | 正则化的极大似然估计 | 对数似然估计 | 概率计算公式，EM算法 |
| 逻辑斯蒂回归与最大熵模型 | 多类分类 | 分类树，回归树 | 判别模型 | 极大似然估计，正则化极大似然估计 | 逻辑斯蒂损失 | 改进的迭代尺度算法，梯度下降，拟牛顿法 |
| 支持向量机 | 二类分类 | 分离超平面，核技巧 | 判别模型 | 极小化正则化合页损失，软间隔最大化 | 合页损失 | 序列最小最优化算法(SMO) |
| 提升方法 | 二类分类 | 弱分类器的线性组合 | 判别模型 | 极小化加法模型的指数损失 | 指数损失 | 前项分步加法算法 |
| EM算法 | 概率模型参数估计 | 含隐变量概率模型 | 极大似然估计，极大后验概率估计 | 对数似然损失 | 迭代算法 | |
| 隐马尔可夫模型 | 标注 | 观测序列与状态序列的联合概率分布模型 | 生成模型 | 极大似然估计,极大后验概率估计 | 对数似然损失 | 概率计算公式,EM算法 |
| 条件随机场 | 标注 | 状态序列条件下观测序列的条件概率分布，对数线性模型 | 判别模型 | 极大似然估计，正则化似然估计 | 对数似然估计 | 改进的迭代尺度算法，梯度下降，拟牛顿法 |