Di tengah kompleksitas tantangan yang dihadapi oleh masyarakat modern, machine learning(ML) telah muncul sebagai alat yang kuat untuk memprediksi dan menyelesaikan berbagai permasalahan yang beragam. Dari pengelolaan kesehatan, transportasi perkotaan, hingga lingkungan, kemampuan machine learning untuk mengolah banyak data telah membuka pintu menuju solusi yang murah, efisien, dan inovatif.
 Setiap algoritma machine learning mempunyai cara kerja masing-masing dalam mengolah data. Berikut macam-macam algoritma dari ML:
1. Support vector regression (SVR)
Teknik support vector regression (SVR) adalah machine learning yang pertama kali diperkenalkan oleh Vapnik dkk. (1997) dan dapat melakukan tugas klasifikasi dan regresi. SVR berasal dari teori pembelajaran statistik dan telah terbukti menjadi metode yang kuat.
Dalam model SVR pertama-tama, ketergantungan variabel target (y^) pada satu set variabel prediktif (x) dinilai, kemudian fungsi regresi diperoleh dengan menggunakan persamaan berikut:
2. Decision tree regression (DTR)
Algoritma DTR beroperasi dengan mengekstraksi fitur dari dataset tertentu dan mengaturnya dalam struktur berbentuk pohon simbolis dengan simpul internal dan terminal yang masing-masing mewakili pemisahan dan daun. Sebuah pohon dibentuk dengan menerapkan serangkaian aturan dasar. Dengan menggabungkan beberapa pohon, terciptalah seperangkat aturan yang dapat digunakan dalam tahap prediksi.
Pertama-tama, dataset pelatihan digunakan untuk membangun sebuah pohon; kemudian algoritma memisahkan data asli menjadi dua cabang dengan menggunakan prosedur pemisahan biner. Proses pemisahan ini kemudian diterapkan pada cabang-cabang baru yang tumbuh dan berlanjut hingga setiap cabang tidak dapat dipisahkan, dan simpul yang bersangkutan mencapai ukuran minimum dan menjadi simpul terminal.
Fitur yang paling menonjol dari DTR dibandingkan dengan model lainnya adalah fakta bahwa aturannya mudah untuk ditafsirkan dan mengikuti pola logis yang digambarkan dalam format pohon. Meskipun lebih cepat daripada model AI lainnya, DTR tidak menghasilkan hasil yang akurat dengan adanya nonlinieritas atau set data yang berisik dan sering kali tidak sesuai untuk masalah deret waktu
