1. Линейная регрессия:

   • Пример кода (Python):

     from sklearn.linear_model import LinearRegression
     # Create a linear regression object
     model = LinearRegression()
     # Fit the model to the training data
     model.fit(X_train, y_train)
     # Make predictions on the test data
     y_pred = model.predict(X_test)

2. Логистическая регрессия:

   • Пример кода (Python):

     from sklearn.linear_model import LogisticRegression
     # Create a logistic regression object
     model = LogisticRegression()
     # Fit the model to the training data
     model.fit(X_train, y_train)
     # Make predictions on the test data
     y_pred = model.predict(X_test)

3. Дерево решений:

   • Пример кода (Python):

     from sklearn.tree import DecisionTreeClassifier
     # Create a decision tree classifier
     model = DecisionTreeClassifier()
     # Fit the model to the training data
     model.fit(X_train, y_train)
     # Make predictions on the test data
     y_pred = model.predict(X_test)

4. Случайные леса:

   • Пример кода (Python):

     from sklearn.ensemble import RandomForestClassifier
     # Create a random forest classifier
     model = RandomForestClassifier()
     # Fit the model to the training data
     model.fit(X_train, y_train)
     # Make predictions on the test data
     y_pred = model.predict(X_test)

5. Машины опорных векторов (SVM):

   • Пример кода (Python):

     from sklearn.svm import SVC
     # Create an SVM classifier
     model = SVC()
     # Fit the model to the training data
     model.fit(X_train, y_train)
     # Make predictions on the test data
     y_pred = model.predict(X_test)

Это всего лишь несколько примеров методов машинного обучения. Существует множество других алгоритмов и методов, в зависимости от конкретной проблемы, которую вы пытаетесь решить.