细粒度资助额度算法常用模型

常用的细粒度资助额度算法模型包括：

1. 线性回归模型：根据历史数据进行线性拟合，计算出资助额度与相关因素之间的关系。

2. 决策树模型：通过建立决策树，根据申请者的不同特征进行分支，最终确定资助额度。

3. 集成学习模型：通过将多个模型的预测结果进行集成，提高预测准确性和稳定性。

4. 神经网络模型：通过深度学习算法，建立多层神经网络模型，对申请者进行分类和预测。

5. 支持向量机模型：根据训练数据集中的支持向量，建立分类模型，对新的申请者进行预测。

这些模型可以根据实际情况进行选择和组合，以达到更高的预测精度和适应性。