| 情感分类算法 | 原理 |
| 朴素贝叶斯 | 基于贝叶斯定理，利用类别和特征项的联合概率来估计文档的类别概率。 |
| 支持向量机 | 在于找到一个分离超平面H，使数据能够正确划分并且不同类别间距离最大化。 |
| 随机森林 | 是决策树的组合，通过对原始数据集中的训练数据进行训练生成决策树，多数决策树的决策结果构成最终的随机森林决策结果。 |
| AdaBoost | 通过降低每个个体学习器的分类误差，增加效果好的个体学习器的权重，进而得到最终的集成学习器。 |
| 多层感知机 | 基于梯度下降法不断更新参数使损失函数减小 |
| 随机最速下降法 | 能够自动逃离鞍点，自动逃离比较差的局部最优点 |
| 梯度提升 | 每一次建立模型时，都是在之前建立模型损失函数的梯度下降方向，即通过优化损失函数(loss function)来生成这些模型 |
| LightGBM | 是一个梯度 boosting 框架，使用基于学习算法的决策树 |