Entre os principais algoritmos de machine learning, destacam-se:

Árvore de decisão: é um método que utiliza um gráfico, um modelo de decisões ou um fluxograma, contando com possíveis consequências e resultados. Assim, tem como objetivo prever uma infinidade de possíveis eventos e encontrar as melhores regras e respostas.
Regressão linear: é um algoritmo de machine learning usado para prever algum resultado com base em dados históricos. Como o próprio nome sugere, é traçada uma linha reta para analisar a relação entre os dados de duas ou mais variáveis. Além disso, o resultado da regressão linear será sempre um dado numérico.
Regressão logística: esse tipo de algoritmo de machine learning trabalha com questões de estatística e probabilidade, lidando com problemas de classificação. Para isso, a regressão logística calcula as variáveis para, então, classificá-las da melhor forma. Ao contrário da regressão linear, a regressão logística forma um padrão em S e apresenta valores no intervalo de 0 a 1.
Algoritmos de agrupamento (Clustering): nesse caso, é um método utilizado para agrupar os dados de acordo com suas características em comum, tendo uma descrição baseada em atributos e valores.
Naive Bayes: é um algoritmo de machine learning que não considera a relação entre as variáveis, utilizando também uma pequena quantidade de dados para fazer as classificações. Normalmente, uma utilização é para categorizar textos. Por exemplo, tendo como base a frequência das palavras, esse algoritmo consegue identificar se determinado email é spam ou não.