人工智能是智能机器如计算机所执行的与人类智能有关的功能，如识别、判断、证明、学习等思维活动。机器学习是人工智能研究领域中最重要的分支之一。

人工智能中机器学习经典算法有哪些？

机器学习经典算法：

1、监督式学习：这种类型算法由一个目标变量或结果变量组成。利用这一系列变量，我们可以生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。

2、线性回归算法：线性回归通常用于根据连续变量估计实际数值。我们通过拟合最佳直线来建立自变量和因变量的关系。这条最佳直线叫做回归线，并且用 Y=a*X+b 这条线性等式来表示。 线性回归的两种主要类型是一元线性回归和多元线性回归。

人工智能中机器学习经典算法有哪些？

3、逻辑回归算法 ：需要注意的是，逻辑回归算法是一个分类算法而不是一个回归算法。该算法可根据已知的一系列因变量估计离散数 值，比如二进制数值0或1。

4、支持向量机：支持向量机是一种分类方法。其将每个数据在 N 维空间中用点标出，N 是特征总数，每个特征的值是一个坐标的值。算法旨在找到将两组不同数据分开的一条直线，两个分组中距离最近的两个点到这条线的距离同时最优化。该算法通常是分析线性可分上午特征情况，对于线性不可分的情况，可以通过使用非线性映射算法将低维特征空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得在高维特征 空间采用线性算法比如支持向量机对样本的非线性特征进行 线性分析成为可能。

5、朴素贝叶斯算法：朴素贝叶斯是一种简单但是非常强大的文本型线性分类器。其在垃圾邮件分类，疾病诊断中都取得了很大的成功。