Mayroong ilang iba't ibang uri ng mga surrogate na modelo:
1. Response surface models - Ang mga modelong ito ay hinuhulaan ang mga halaga ng output batay sa input variable.
2. Mga modelo ng Kriging - Ang mga modelong ito ay gumagamit ng isang Gaussian na proseso ng pagbabalik upang mahulaan ang mga halaga ng output batay sa mga variable ng input.
3. Mga modelo ng neural network - Gumagamit ang mga modelong ito ng mga artipisyal na neural network upang mahulaan ang mga halaga ng output batay sa mga variable ng input.
4. Suportahan ang mga vector machine - Ang mga modelong ito ay nag-uuri o nagbabalik ng data sa pamamagitan ng paghahanap ng pinakamahusay na hangganan sa pagitan ng mga klase o sa pamamagitan ng paghahanap ng function na may pinakamalaking margin sa pagitan ng dalawang klase.
5. Mga modelo ng proseso ng Gaussian - Gumagamit ang mga modelong ito ng probabilistikong balangkas upang mahulaan ang mga output batay sa mga variable ng input.
6. Mga modelo ng pag-andar ng radial na batayan - Tinatantya ng mga modelong ito ang isang function bilang isang linear na kumbinasyon ng mga function ng radial na batayan.
7. Decision tree models – Ang mga modelong ito ay recursively partition data space sa mga subset batay sa mga value ng input variable.
8. Mga modelo ng ensemble - Pinagsasama-sama ng mga modelong ito ang maraming modelo upang mapabuti ang katumpakan ng hula.
Petsa ng publikasyon: