Некоторые современные алгоритмы машинного обучения, которые используются в информационных технологиях:

• Линейная регрессия. 1 Представляет собой модель линейной зависимости одной переменной от другой или нескольких. 1 Используется для предсказательной аналитики в различных сферах. 1
• Логистическая регрессия. 1 Применяется для анализа данных и поиска взаимосвязей между двумя факторами данных. 1
• Регрессионное дерево. 1 Используется для классификации и численного предсказания. 1 Построение деревьев решений заключается в последовательном разбиении множества на подмножества. 1
• Случайный лес. 13 Применяется для решения задач машинного обучения, таких как классификация, кластеризация, численное предсказание, поиск аномалий. 1 Случайный лес состоит из большого количества деревьев решений. 1
• Градиентный бустинг. 1 Продвинутый алгоритм машинного обучения, решающий задачи классификации и численного предсказания. 1 Свои прогнозы он строит на ансамбле слабых моделей (деревья решений), из которых собирается одна эффективная. 1
• Ассоциативные правила. 1 Позволяет находить закономерности между связанными событиями и любопытные факторы в базах данных. 1 Он может обнаружить не только явные, но и скрытые закономерности между переменными. 1

Также в IT-отрасли для определения аномалий в сетевом трафике используются, например, метод опорных векторов (SVM), случайный лес (Random Forest), долгая краткосрочная память (LSTM). 2