一、按照模型训练方式分类
第一代神经网络(感知机)与第二代神经网络(激活函数)可以分为4类：监督学习、无监督学习、半监督学习、强化学习，第三代神经网络(仿生神经网络)可以分为3类：仿生无监督学习、浅层有监督、深层有监督。
1、常见的监督学习类算法：
(1)人工神经网络(Artificial Neural Network)类
反向传播(Backpropagation)
波尔兹曼机(Boltzmann Machine)
卷积神经网络(Convolutional Neural Network)
Hopfield网络(hopfield Network)
多层感知器(Multilyer Perceptron)
径向基函数网络(Radial Basis Function Network)
受限波尔兹曼机(Restricted Boltzmann Machine)
回归神经网络(Recurrent Neural Network)
自组织映射(Self-organizing Map)
尖峰神经网络(Spiking Neural Network)
(2)贝叶斯类(Bayesin)类：
朴素贝叶斯(Naive Bayes)
高斯贝叶斯(Gaussian Naive Bayes)
多项朴素贝叶斯(Multinomial Naive Bayes)
平均依赖性评估(Averaged One-Dependence Estimators)
贝叶斯信念网络(Bayesian Belief Network)
贝叶斯网络(Bayesian Network)
(3)决策树(Decision Tree)类：
分类和回归树(Classification and Regression Tree)
ID3算法
C4.5算法、C5.0算法
卡方自动交互检测(Chi-squared Automatic Interaction Detection)
决策残端(Decision Stump)
随机森林(Random Forest)
SLIQ(Supervised Learning in Quest)
(4)线性分类器(Linear Classifier)类：
Fisher的线性判别(Fisher’s Linear Discriminant)
线性回归(Linear Regression)
逻辑回归(Logistic Regression)
多项逻辑回归(Multionmial Logistic Regression)
朴素贝叶斯分类器(Naive Bayes Classifier)
感知(Perception)
支持向量机(Support Vector Machine)

2、常见的无监督学习类算法：
(1)人工神经网络(Artificial Neural Network)类：
生成对抗网络(Generative Adversarial Networks)
前馈神经网络(Feedforward Neural Network)
逻辑学习机(Logic Learning Machine)
自组织映射(Self-organizing Map)
(2)关联规则学习(Association Rule Learning)类：
先验算法(Apriori Algorithm)
Eclat算法(Eclat Algorithm)
FP-Growth算法
(3)分层聚类算法(Hierarchical Clustering)类：
单连锁聚类(Single-linkage Clustering)
概念聚类(Conceptual Clustering)
(4)聚类分析(Cluster analysis)类：
BIRCH算法
DBSCAN算法
期望最大化(Expectation-maximization)
模糊聚类(Fuzzy Clustering)
K-means算法
K均值聚类(K-means Clustering)
K-medians聚类
均值漂移算法(Mean-shift)
OPTICS算法等。
(5)异常检测(Anomaly detection)类：
K最邻近算法(K-nearest Neighbor)
局部异常因子算法(Local Outlier Factor)

3、常见的半监督学习类算法：
生成模型(Generative Models)
低密度分离(Low-density Separation)
基于图形的方法(Graph-based Methods)
联合训练(Co-training)

4、常见的深度学习类算法：
深度信念网络(Deep Belief Machines)
深度卷积神经网络(Deep Convolutional Neural Networks)
深度递归神经网络(Deep Recurrent Neural Network)
分层时间记忆(Hierarchical Temporal Memory)
深度波尔兹曼机(Deep Boltzmann Machine)
栈式自动编码器(Stacked Autoencoder)
生成对抗网络(Generative Adversarial Networks)

5、常见的强化学习类算法：
Q学习(Q-learning)
状态-行动-奖励-状态-行动(State-Action-Reward-State-Action)
DQN(Deep Q Network)
策略梯度算法(Policy Gradients)
基于模型强化学习(Model Based RL)
时序差分学习(Temporal Different Learning)

二、按照解决任务分类
可以分为二分类算法(Two-class Classification)、多分类算法(Multi-class Classification)、回归算法(Regression)、聚类算法(Clustering)、异常检测(Anomaly Detection)和迁移学习六种。

1、二分类
二分类支持向量机(Two-class SVM)
二分类平均感知器(Two-class Average Perceptron)
二分类逻辑回归(Two-class Logistic Regression)
二分类贝叶斯点机(Two-class Bayes Point Machine) 
二分类决策森林(Two-class Decision Forest) 
二分类提升决策树(Two-class Boosted Decision Tree)
二分类决策丛林(Two-class Decision Jungle)
二分类局部深度支持向量机(Two-class Locally Deep SVM)
二分类神经网络(Two-class Neural Network)

2、多分类算法
多分类逻辑回归(Multiclass Logistic Regression)
多分类神经网络(Multiclass Neural Network) 
多分类决策森林(Multiclass Decision Forest)
多分类决策丛林(Multiclass Decision Jungle)
“一对多”多分类(One-vs-all Multiclass)

3、回归算法
排序回归(Ordinal Regression)
泊松回归(Poission Regression)
快速森林分位数回归(Fast Forest Quantile Regression) 
线性回归(Linear Regression)
贝叶斯线性回归(Bayesian Linear Regression)
神经网络回归(Neural Network Regression) 
决策森林回归(Decision Forest Regression) 
提升决策树回归(Boosted Decision Tree Regression)

4、聚类算法
层次聚类(Hierarchical Clustering) 
K-means算法
模糊聚类FCM算法(Fuzzy C-means，FCM) 
SOM神经网络(Self-organizing Feature Map，SOM)

5、异常检测算法
一分类支持向量机(One-class SVM)
基于PCA的异常检测(PCA-based Anomaly Detection)

6、迁移学习类算法
归纳式迁移学习(Inductive Transfer Learning) 
直推式迁移学习(Transductive Transfer Learning) 
无监督式迁移学习(Unsupervised Transfer Learning) 
传递式迁移学习(Transitive Transfer Learning)