1 – KNN (K- Nearest Neighbors, K-Najbliższych sąsiadów)
Dla określonego K, klasyfikator zwróci „większość spośród K”.
Dla przykładu K =3, algorytm wybierze 3 najbliższych sąsiadów i określi wynik, który pojawił sie najczęściej. (Zasada podobna do meczy np. BO3)
Na poniższym obrazku widać, że dla K=3, dwóch sąsiadów przeżyło, jeden nie, klasyfikator zwróci „przeżył”
Na poniższym obrazku widać, że dla K=5, dwóch sąsiadów przeżyło trzech nie przeżyło, klasyfikator zwróci „nie przeżył”
2 – Decision tree (Drzewo Decyzyjne)
Algortym na podstawie zdefiniowanych atrybutów (fetaures) podaje wynik końcowy z zastosowaniem jednego drzewa.
3 – Random forest (Las losowy)
Algorytm konstruuje wiele drzew na podstawie wybranych atrybutów po czym zlicza „większość spośród” (ile razy przeżył na ile prób), poniższy przykład pokazuje losowo wybrane trzy pary atrybutów (features) dla których dwie pary wskazały na śmierć co w wyniku dało śmierć.
4 – Naive Bayes – Naiwny klasyfikator Bayesa
Klasyfikator korzysta z prawdopodobieństwa wystąpienia zdarzenia na podstawie atrybutów, na przykładzie podane jest wyliczenie prawdopodobieństwa przy wzięciu pod uwagę atrybutów jak płeć i wiek.
5 – SVM (Support Vector Machine, Maszyna wektorów nośnych)
Dzieli obszar prób na dwie części za pomocą prostej wyznaczającą granicę decyzyjną (decision boundry).