数模中经常使用的机器学习模型

1. 线性回归模型：用于建立输入变量与输出变量之间的线性关系。

2. 逻辑回归模型：用于建立输入变量与输出变量之间的非线性关系，常用于分类问题。

3. 决策树模型：用于建立输入变量与输出变量之间的非线性关系，常用于分类和回归问题。

4. 支持向量机模型：用于建立输入变量与输出变量之间的非线性关系，常用于分类和回归问题。

5. 随机森林模型：用于建立输入变量与输出变量之间的非线性关系，常用于分类和回归问题。

6. 神经网络模型：用于建立输入变量与输出变量之间的非线性关系，常用于分类和回归问题。

7. 贝叶斯分类器模型：用于建立输入变量与输出变量之间的概率关系，常用于分类问题。

8. K近邻模型：用于建立输入变量与输出变量之间的非线性关系，常用于分类和回归问题。