大数据分析中用于预测的模型包括( )。a逻辑回归b神经网络c线性回归d支持向量

大数据分析中用于预测的模型包括逻辑回归、神经网络、线性回归和支持向量机。

逻辑回归是一种常用的分类模型，它通过将特征变量与概率分布之间的关系进行建模，来预测离散的输出变量。

神经网络是一种模仿人脑神经元之间相互连接的数学模型，具有强大的学习和适应能力。它可以在大量数据训练的情况下，通过调整权重和偏执值来预测未知数据的输出。

线性回归是一种用于建立连续变量之间线性关系的模型。它通过拟合数据点到直线或曲线上，通过最小化误差来预测输出变量。

支持向量机是一种用于分类和回归分析的模型。它通过寻找一个最优的超平面或曲线来区分不同的数据类别，并用于预测未知数据的分类。

以上这些模型是大数据分析中常用的预测模型，根据问题的特点和数据的性质，选择适合的模型可以提高预测的准确性和效率。