Python

Python 是一门面向对象的编程语言，所以，很多 python 写的程序也是面向对象的。而在建模中，无论是 Scikit-Learn 还是 Keras，第一个步骤就是建立一个对象，而这个对象是空白的，还需要进一步训练和设置模型的参数。由于 Scikit-Learn 和 Keras 的功能十分的强大，因而它们被广泛地应用。

常见的模型

常见的模型有 Logistic 回归，决策树，SVM，随机森林，朴素叶贝斯，神经网络。

逻辑归归

逻辑回归是比较基础的线性分类模型，很多时候，它是简单而高效的选择。位于 Python 的 sklearn.linear_model

决策树

决策树是基于分类讨论，逐步细化的分类模型，模型分词直观，解释容易。其位于 Python 的 sklearn.tree

SVM

这是种非常强大的模型，可以根据选取不同的核函数，用来回归、预测、分类等等的场景中。该模型可以是线性的，也可以是非线性的。位于 sklearn.svm

随机森林

随机森林可以很粗暴地相对于决策树，理解为一大片森林。因为其思想跟决策树是非常相似的，准确度往往比决策树要高，也更复杂，而因其具有随机性，导致其解释性很弱。位于 sklearn.ensemble

朴素叶贝斯

朴素叶贝斯是基于概率思想的简单有效的分类模型，可以容易理解的概率解释。位于 sklearn.naive_bayes

神经网络

非常强大，而且有很强的拟合能力，可以用于拟合、分类中。递神经网络、卷积神经网络 CNN，自编码器等等，都是其增强版本，这些都是深度学习的模型基础。位于 Keras