Здесь автор перечислил семейства машинного обучения из двух наиболее важных исследовательских работ по машинному обучению. Он разделяет методы классификации и регрессии на несколько семейств и может быть полезен поклонникам машинного обучения. Первая статья посвящена сравнению подходов к классификации, а вторая — большому набору популярных методов регрессии. Автор также предоставил бумажные ссылки для их загрузки. Кроме того, вы можете легко получить доступ к 77 регрессионным моделям, ссылка приведена ниже.
Документ 1: Нужны ли нам сотни классификаторов для решения реальных задач классификации?
В этом исследовательском документе основное внимание уделяется 179 классификаторам по 121 набору данных из 17 семейств машинного обучения.
Методы классификации реализованы в R, Weka, Matlab и C. Согласно исследованию, классификатор случайного леса, скорее всего, будет лучшим классификатором. Загрузите эту статью по ссылке
Документ 2: Обширный экспериментальный обзор методов регрессии.
Эта исследовательская работа посвящена методам регрессии машинного обучения. Он объясняет и сравнивает 77 наиболее важных моделей, принадлежащих к 19 семействам машинного обучения. Методы оцениваются на 83 наборах данных регрессии UCI. Большинство методов реализовано в R. На рис. 2 показаны 19 семейств регрессии. Вы можете скачать вышеуказанную статью по ссылке
77 регрессионных моделей находятся в свободном доступе. Загрузите их (3.1 Гб)
Кроме того, вы можете попробовать эту модель для своей проблемы регрессии.
Благодарю Вас!