软件来源微信公众号【学术点滴】
无需编程也可以进行机器学习算法应用，面向纯小白
（发论文的利器）
【1】MLAA2.6软件核心功能：
【1】应用于中文文本分类、验证、预测与评估的算法：
(1)K近邻模型
(2)最近质心模型
(3)贝叶斯模型
(4)决策树模型
(5)随机森林模型
(6)极端随机树模型
(7)AdaBoost模型
(8)梯度提升分类模型
(9)逻辑分类模型
(10)岭分类模型
(11)支持向量机模型
(12)随即梯度下降模型
(13)被动攻击分类模型
(14)线性感知器模型
(15)神经网络模型
(16)Bagging模型
【2】应用于英文文本分类与预测的算法：
(1)K近邻模型
(2)最近质心模型
(3)贝叶斯模型
(4)决策树模型
(5)随机森林模型
(6)极端随机树模型
(7)AdaBoost模型
(8)梯度提升分类模型
(9)逻辑分类模型
(10)岭分类模型
(11)支持向量机模型
(12)随即梯度下降模型
(13)被动攻击分类模型
(14)线性感知器模型
(15)神经网络模型
(16)Bagging模型
【3】应用于数值型数据分类与预测的算法：
(1)K近邻模型
(2)最近质心模型
(3)贝叶斯模型
(4)决策树模型
(5)随机森林模型
(6)极端随机树模型
(7)AdaBoost模型
(8)梯度提升分类模型
(9)逻辑分类模型
(10)岭分类模型
(11)支持向量机模型
(12)随即梯度下降模型
(13)被动攻击分类模型
(14)线性感知器模型
(15)神经网络模型
(16)Bagging模型
(17)标签传播模型
(18)线性判别分析模型
(19)二次判别分析模型
【4】数据降维的算法：
(1)PCA降维
(2)增量PCA降维
(3)核PCA降维
(4)截断奇异值分解降维
(5)因子分析降维降维
(6)独立分量分析降维
(7)多维缩放MDS降维
(8)TSNE降维
【5】聚类分析的算法：
(1)K均值聚类、预测与评估
(2)MiniBatchKMeans聚类、预测与评估
(3)Birch聚类、预测与评估
(4)近邻传播聚类、预测与评估
(5)谱聚类、预测与评估
(6)层次聚类、预测与评估
