AI算法中比较常用的模型都有什么。那些比较好用，网上说的算法模型太多了
看你要做什么方面的，对应不同数据。
比如结构化数据一般树模型比较通用，像xgboost,lightgbm。
深度学习一般是图像，文本，语音，这算法模型就多了。
文本，直接看transformer,bert,gpt。
语音，可以从tacotron,deepspeech开始。
图像分类，可以看resnet,densenet。
目标检测，yolo。
风格迁移相关的一般都有gan网络。
强化学习一般都在博弈游戏领域用。
还有让网络生成网络的nas领域。
挑选模型取决于你想要解决的问题是什么类型的
1、神经网络算法：
人工神经网络系统是20世纪40年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。
2、BP神经网络算法：
又称为误差反向传播算法，是人工神经网络中的一种监督式的学习算法。理论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。
3.决策树
根据一些 feature 进行分类，每个节点提一个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。
4、遗传算法：
模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
5、粒子群算法：
也称粒子群优化算法或鸟群觅食算法，是近年来开发的一种新的进化算法。从随机解出发，通过迭代寻找最优解。
想要了解更多可以看下：中国人工智能培训网