机器学习的几种划分

一.生成模型与判别模型

详细对比：

http://blog.csdn.net/zouxy09/article/details/8195017

其中：

　　常见的判别式模型有：

       Logistic regression（logistical 回归）

　　Linear discriminant analysis（线性判别分析）

　　Supportvector machines（支持向量机）

　　Boosting（集成学习）

　　Conditional random fields（条件随机场）

　　Linear regression（线性回归）

　　Neural networks（神经网络）

       常见的生成式模型有:

      Gaussian mixture model and othertypes of mixture model（高斯混合及其他类型混合模型）

　　Hidden Markov model（隐马尔可夫）

　　NaiveBayes（朴素贝叶斯）

　　AODE（平均单依赖估计）

　　Latent Dirichlet allocation（LDA主题模型）

　　Restricted Boltzmann Machine（限制波兹曼机）

   二.监督与非监督学习

详细对比：

http://blog.csdn.net/lsh_2013/article/details/47342641

  常见的监督学习算法有哪些？ 
感知机、svm、人工神经网络、决策树、逻辑回归

常见的无监督学习算法有哪些？

包括所有的聚类算法，比如k-means PCA gmm等

深度学习只是指结构有深度的算法，可以无监督可以有监督

比如sparse coding/sparse auto encoder是无监督，CNN是有监督

三.线性与非线性分类

详细对比：

http://blog.csdn.net/u014755493/article/details/70182532

线性分类器：模型是参数的线性函数，分类平面是（超）平面；
非线性分类器：模型分界面可以是曲面或者超平面的组合。
典型的线性分类器有感知机，LDA，逻辑斯特回归，SVM（线性核）；
典型的非线性分类器有朴素贝叶斯（有文章说这个本质是线性的，http://dataunion.org/12344.html），kNN，决策树，SVM（非线性核）