1）迴歸算法：
- * 最小二乘法（OrdinaryLeast Square）
- * 邏輯迴歸（Logistic Regression）
- * 逐步式迴歸（Stepwise Regression）
- (縮減方法)
- * 多元自適應迴歸樣條（MultivariateAdaptive Regression Splines）
- * 本地散點平滑估計（Locally Estimated Scatterplot Smoothing）
2）基於實例的算法：
- * k-Nearest Neighbor(KNN)
- * 學習矢量量化（Learning Vector Quantization， LVQ）
- * 自組織映射算法（Self-Organizing Map ， SOM）
3）基於正則化方法：
- * 嶺迴歸（Ridge Regression）L2
- * 稀疏約束Least Absolute Shrinkage and Selection Operator（LASSO）L1
- * 彈性網絡（Elastic Net）
4）決策樹學習：
- * 分類及迴歸樹（ClassificationAnd Regression Tree， CART）
- * ID3 (Iterative Dichotomiser 3)
- * C4.5
- * Chi-squared Automatic Interaction Detection(CHAID)
- * Decision Stump
- * 隨機森林（Random Forest）
- * 多元自適應迴歸樣條（MARS）
- * 梯度推進機（Gradient Boosting Machine， GBM）
5）基於貝葉斯方法：
- * 樸素貝葉斯算法
- * 平均單依賴估計（AveragedOne-Dependence Estimators， AODE）
- * Bayesian Belief Network（BBN）
-
6）基於核的算法：
- * 支持向量機（SupportVector Machine， SVM）
- * 徑向基函數（Radial Basis Function ，RBF)
- * 線性判別分析（Linear Discriminate Analysis ，LDA)
7）聚類算法：
- * k-Means算法
- * 期望最大化算法（Expectation Maximization， EM）
8）基於關聯規則學習：
- * Apriori算法
- * Eclat算法
9）人工神經網絡：
- * 感知器神經網絡（PerceptronNeural Network）
- * 反向傳遞（Back Propagation）
- * Hopfield網絡
- * 自組織映射（Self-OrganizingMap, SOM）
- * 學習矢量量化（Learning Vector Quantization， LVQ）；
10）深度學習：
- * 受限波爾茲曼機（RestrictedBoltzmann Machine， RBN）
- * Deep Belief Networks（DBN）
- * 卷積網絡（Convolutional Network）
- * 堆棧式自動編碼器（Stacked Auto-encoders）
11）降低維度的算法：
- * 主成份分析（PrincipleComponent Analysis， PCA）
- * 偏最小二乘迴歸（Partial Least Square Regression，PLS）
- * Sammon映射
- * 多維尺度（Multi-Dimensional Scaling, MDS）
- * 投影追蹤（ProjectionPursuit）
-
12）集成算法：
- * Boosting
- * Bootstrapped Aggregation（Bagging）
- * AdaBoost
- * 堆疊泛化（Stacked Generalization， Blending）
- * 梯度推進機（GradientBoosting Machine, GBM）
- * 隨機森林（Random Forest）