A Algoritmo de regressão: prevê valores de saída usando recursos de entrada dos dados fornecidos ao sistema. Os algoritmos mais populares sãoLinear Regression, Logistic Regression Multivariate Adaptive Regression Splines(MARS) eLocally Estimated Scatter plot Smoothing(LOESS).
B Algoritmo de agrupamento: agrupamento de pontos de dados com base em recursos semelhantes. Alguns algoritmos sãoKMeans, K-Medians e Hierárquical Clustering.
C Algoritmo de regularização: é um processo de diminuir informações adicionais para evitar ooverfittingou resolver um problema mal definido. Os algoritmos mais comuns sãoLeast Absolute Shrinkage and Selection Operator(LASSO),Least-Angle Regression(LARS) eElastic Net and Ridge Regression.
D Algoritmos de redução de dimensionalidade: reduzem o número de características obtendo um conjunto de variáveis principais. Alguns algoritmos sãoPrincipalComponent Analysis(PCA) ePrincipal Component Regression(PCR).
E Algoritmos de regras de associação: é usado para descobrir a relação entre os pontos de dados. Alguns algoritmos comuns são o algoritmoApriorie o algoritmoEclat.