线性回归：线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。
任务类型：回归。
应用场景：异常指标，农业贷款预测。
朴素贝叶斯算法：基于贝叶斯定理与特征条件独立假设的分类方法
任务类型：分类
应用场景：垃圾邮件分析，舆情分析
K近邻算法：物以类聚，人以群分。从训练集中找到与实例最近的K个实例，根据K个实例来进行预测。
任务类型：分类，回归
应用场景：约会匹配，商品推荐
支持向量机算法：解决数据分类问题，按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。
应用场景：心脏病预测，用户窃电识别
决策树算法：一种以树结构来表达预测的分析模型
类别：分类树和回归树
应用场景：银行贷款预测 动物识别
集成学习算法：通过构建和结合多个机器学习算法来完成学习任务。
场景：土地覆盖测绘，恶意软件检测。三大流派Bagging, boosting, stacking
聚类算法：无监督学习的一种，使同一类的数据尽可能聚集到一起，不同数据尽量分离。
应用场景：非人恶意流量识别，新闻主题聚类