人工智能常用的算法有以下几种：
1. 逻辑回归（Logistic Regression）：用于二分类任务，通过线性回归模型将输入数据映射到一个概率值。
2. 决策树（Decision Tree）：通过树状结构对数据进行分类或回归。
3. 支持向量机（Support Vector Machine）：用于分类和回归问题，通过寻找一个最优超平面将数据分隔开。
4. 随机森林（Random Forest）：基于多个决策树的集成学习算法，用于分类和回归问题。
5. K近邻算法（K-Nearest Neighbors）：通过测量数据之间的距离，将新数据分类为其最近的K个邻居的多数类别。
6. 朴素贝叶斯（Naive Bayes）：基于贝叶斯定理，用于分类问题，假设特征之间相互独立。
7. 神经网络（Neural Networks）：通过多个神经元层的组合，建立一个模拟生物神经网络的模型，用于分类和回归问题。
8. 遗传算法（Genetic Algorithm）：通过模拟自然选择，以进化的方式搜索最优解，用于优化问题。
9. 主成分分析（Principal Component Analysis）：用于数据降维，通过线性变换将高维数据映射到低维空间。
10. 聚类算法（Clustering）：用于将数据划分为不同的组别，常用的算法有K均值算法、层次聚类算法等。
