常见分类算法python

常见的分类算法有以下几种：

1. 决策树算法（Decision Tree）：通过对数据进行分类，构建一棵决策树，从而实现对新数据的分类。

2. 朴素贝叶斯算法（Naive Bayes）：基于贝叶斯定理和特征条件独立假设，通过计算先验概率和后验概率，实现对新数据的分类。

3. 支持向量机算法（Support Vector Machine）：通过寻找最优超平面，将数据分为两类，从而实现对新数据的分类。

4. K近邻算法（K-Nearest Neighbor）：通过计算新数据与已知数据之间的距离，选取距离最近的K个已知数据，根据它们的分类结果来预测新数据的分类。

5. 逻辑回归算法（Logistic Regression）：通过对数据进行拟合，得到一个逻辑回归模型，从而实现对新数据的分类。

6. 随机森林算法（Random Forest）：通过构建多个决策树，采用投票的方式来确定新数据的分类。

7. 神经网络算法（Neural Network）：通过构建多层神经网络，对数据进行训练，从而实现对新数据的分类。