1.SimpleLinearRegression:這是最簡單的線性回歸模型，只有壹個輸入要素和壹個輸出變量。它試圖找到壹個最符合數據的線性方程。
2.MultipleLinearRegression:這是壹個更復雜的線性回歸模型，具有多個輸入要素和壹個輸出變量。它試圖找到壹個最適合數據的多元線性方程。
3.RidgeRegression:這是壹個正則化多元線性回歸以防止過度擬合的模型。這是通過在損失函數中加入L2正則項來實現的。
4.Lasso回歸:這是壹個正則化多元線性回歸的模型，既能防止過擬合，又能實現特征選擇。它是通過在損失函數中加入正則項L1來實現的。
5.RidgeRegression:這是壹個正則化多元線性回歸以防止過度擬合的模型。這是通過在損失函數中加入L2正則項來實現的。
6.ElasticNetRegression:這種模型是Lasso和Ridge的結合，既能防止過擬合，又能實現特征選擇。
7.LogisticRegression:雖然名字中有“回歸”這個詞，但邏輯回歸實際上是壹種分類算法，而不是回歸算法。它試圖找到壹個能將輸入要素映射到特定概率值的函數，該概率值可以解釋為事件的概率。