机器学习模型是用来从数据中学习并进行预测的算法。在机器学习中，不同的模型类型可以用来解决不同类型的问题，常见的模型类型有：

1. 分类（Classification）

   • 任务： 将数据分配到预定义的类别中。
   • 目标： 给定输入特征，模型要预测出该数据所属的类别标签。
   • 常见算法： 逻辑回归、支持向量机、决策树、k近邻（kNN）、神经网络等。
   • 例子： 判断一封电子邮件是否为垃圾邮件，或者预测某个用户是否会购买产品。

2. 回归（Regression）

   • 任务： 预测一个连续的数值。
   • 目标： 给定输入特征，模型要预测一个连续的目标值（即实数）。
   • 常见算法： 线性回归、岭回归、支持向量回归（SVR）、决策树回归等。
   • 例子： 预测房价、股票价格或温度。

3. 聚类（Clustering）

   • 任务： 将数据分组，通常用于无监督学习。
   • 目标： 给定输入数据，模型要找到数据中的潜在组群（聚类）。