机器学习算法目录
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Machine Learning Catalogue 是 msg Applied Technology Research 出品的机器学习方法目录。它的定位不是模型开发平台或企业 SaaS，而是一个面向知识检索和方法选型的在线目录：当用户希望根据具体业务用例寻找合适的机器学习方法，或理解文章、程序、课程中出现的技术术语时，可用它作为参考。
目录按 Algorithm、Use Case、Supporting Technique、Data Type、Learning Style、Miscellaneous 六大类组织。算法覆盖 LSTM、Transformer、Random Forest、SVM、Q-learning 等；用例覆盖异常检测、语音识别、图像生成、问答、RPA、战略规划等；支持技术包括特征选择、交叉验证、归一化、集成学习、超参数调优等。部分条目有定义、工作原理、目标、相关术语，例如 Feature Selection 条目解释了降维、过拟合、低方差特征等上下文。
正文未披露付费套餐、订阅价格、企业版或支付方式。页面提到“Generic Use Cases for Artificial Intelligence”海报可免费下载。抓取内容也未显示第三方集成、团队协作、权限控制、API、开发者文档、安全合规或私有部署能力，因此不能按典型 SaaS 平台评估其企业交付成熟度。
优点是分类体系清晰，覆盖算法、用例、数据类型和学习方式，适合建立机器学习知识地图，也适合咨询、培训、课程学习和早期方案讨论。缺点是它不提供数据接入、模型训练、实验管理、部署监控等工程化能力；对于企业采购关心的 SLA、权限、审计、合规和集成能力，正文没有信息支撑。
它适合 AI 初学者、技术顾问、产品经理、数据科学团队在概念学习和用例梳理阶段使用；不适合直接替代 MLOps、AutoML 或企业知识管理系统。中国访问情况未在正文中说明，网络连通性、支付和本地化支持均未知。可替代参考包括 Wikipedia、scikit-learn 文档、Google ML Glossary、Microsoft Learn、Papers with Code 等。
本测评基于公开资料整理,不构成购买建议,请以 machinelearningcatalogue.com 官网实际信息为准。
按算法和用例检索，适合做ML方法速查。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。