1 机器学习有很多算法，其中包括决策树、支持向量机、朴素贝叶斯、神经网络、随机森林等等。
2 决策树算法是一种基于树结构的分类算法，通过对数据集进行划分和判断来进行分类。
支持向量机算法是一种二分类模型，通过寻找一个最优的超平面来进行分类。
朴素贝叶斯算法是一种基于贝叶斯定理的分类算法，通过计算条件概率来进行分类。
神经网络算法是一种模拟人脑神经元网络的算法，通过多层神经元的连接和权重调整来进行学习和分类。
随机森林算法是一种基于决策树的集成学习算法，通过多个决策树的投票来进行分类。
3 除了以上提到的算法，还有很多其他的机器学习算法，如K近邻算法、聚类算法、深度学习算法等等。
每种算法都有其适用的场景和特点，选择适合的算法可以提高机器学习的效果和准确性。
机器学习算法分类：监督学习、无监督学习、强化学习
基本的机器学习算法：线性回归、支持向量机(SVM)、最近邻居(KNN)、逻辑回归、决策树、k平均、随机森林、朴素贝叶斯、降维、梯度增强
公式、图示、案例
