支持向量机、随机森林与极度梯度提升（ＸＧＢｏｏｓｔ）是更为复杂同时更为有效的方法，其中随机森林与ＸＧＢｏｏｓｔ是两种典型的基于Ｂａｇｇｉｎｇ与Ｂｏｏｓｔｉｎｇ的集成方法，通常准确率更高，因此在科学发现任务中的应用也更为普遍。 卷积神经网络是一种含有卷积层的前馈神经网络，以擅长处理图像数据著称，经典网络包括ＬｅＮｅｔ、ＡｌｅｘＮｅｔ、 ＲｅｓＮｅｔ等。 【但CNN在时序数据上也具有良好效果，避免了循环神经网络不可并行的问题】 全卷积神经网络（FCN，fully）和时域卷积网络（TCN，temporal）是两种处理时序数据的CNN。是两种典型的用于处理序列数据的ＣＮＮ模型．ＦＣＮ起初用于对图像进行像素级的分类［６７］，Ｗａｎｇ等人［６８］将其应用于时间序列分类任务中，并取得了良好效果．时域卷积网络ＴＣＮ［６９］相较于ＦＣＮ加入了因果卷积，从而使得每个时间点的输出只与更早的输入有关，防止了信息泄露．