机器学习算法大全（MLS-C01）

|------------------------------------|----------|----------------------------------|
| 算法名字 | 监督学习 | 简介和用途 |
| 协同过滤 | 是 | 推荐算法 |
| Factorization Machines algorithm | 否 | 推荐算法，准确度更高，不会误打扰。 |
| KNN | 否 | 利用已知样本，找最邻近的样本的分类算法 |
| K-means | 否 | 聚类算法 |
| RCF | 否 | 异常检测 |
| Latent Dirichlet Allocation | 否 | 主题提取和文本分类 |
| Long short term memory | 是 | 序列预测，语言模型 |
| SVM | 是 | 分类 |
| DeepAR | 是 | 回归RNN预测时序分布的模型 |
| CNN | 是 | 卷积神经网络，常用于图像领域 |
| ResNet-50 | N/A | CNN的一种，图像识别 |
| Generative Adversarial Nets | N/A | 图像生成 |
| Semantic Segmentation | 是 | 将图像中的每个像素分配到特定的类别，需要大量训练。 |
| CNN-QR | 是 | 时序预测，且是唯一一个可以接收相关序列的模型算法比如天气 |
| RNN | 是 | 循环神经网络，时序预测 |
| XGBoost | 是 | 分类和回归算法 |
| CatBoost | 是 | 分类算法 |
| Regression forest | 是 | 回归算法，常用于填补缺失值 |
| ARIMA | 是 | 时序预测，效果比DeepAR差，适用于小数据集 |
| Logistic regression | 是 | 分类算法 |
| PCA | 否 | 主成分分析，常用于降维 |
| t-SNE | 否 | 高维可视化和降维算法 |
| Reinforcement Learning | N/A | 学习如何采取行动以最大化累积奖励。比如投资机器人。 |
| Multi-agent Reinforcement | N/A | 多智能强化学习，比如处理交通问题。 |
| Single Shot MultiBox Detector（SDD） | 是 | 基于CNN的物体识别算法。 |
| Sagemaker BlazingText | 否 | Word embedding，NLP文章分类 |
| Sagemaker Neural Topic Model（NTM） | 否 | 主题提取 |
| IP Insight | 是 | IP分析 |
| Prophet | 是 | 时序预测，适用于季节强相关的序列 |
| Exponential Smoothing | 是 | 时序预测，适用于小数据集 |
| Multidimensional Scaling | 否 | 降维，高维可视化 |