机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易。
解螺旋为大家整理超多实用算法，包括KNN算法、kmeans 算法、决策树算法、贝叶斯公式、线性回归、非线性模型、神经网络、mlr3 包等。
KNN 算法，属于一种有监督学习中的分类算法，是所有机器学习算法中最简单但十分高效的方法。
kmeans 算法最初是在 1967 年提出的，当设定 k 个不同的聚类分组后，通过选取 k 个不同的样品作为聚类种子，随后根据其余样本到达这 k 个样品的距离大小，最终将整个样本分成 k 个不同的分组。
决策树（Decision Tree），是一种应用十分广泛的归纳推理算法。通过不断的学习解析表达式的特征，找到针对目标的学习规律。
贝叶斯不是一种模型，而是一类模型，是一类基于贝叶斯算法的模型，我们最常使用的是其中的一种模型被称为朴素贝叶斯（Naive Bayes）。
针对线性回归（简单线性回归）来说，自变量为数值型变量（离散型&连续型），而因变量则是要求为连续型变量且建议正态分布。
当我们做多了线性模型，或者线性模型的结果不好解释，亦或者线性模型的结果不符合我们预期的时候，我们往往会产生一种疑问：数据之间的关系就一定是线性的吗？不一定吧！数据之间的关系应该可以是线性相关，也可以是非线性相关才对。
从广义上来说，人工神经网络是一种通用模型，可以应用于几乎任何学习任务：分类、数字预测，甚至是无监督模式识别。
我们完全可以把 mlr3 包当成是一个仓库，里面存放着一系列拥有统一端口的机器学习算法， 这样会大大降低 R 语言进行机器学习的成本，方便我们后续进行多模型性能的评估。
......
