机器学习的算法是如何划分的？
机器学习算法有哪些？
机器学习算法包括：
1、分层聚类，2、KNN，3、基于密度的聚类DBSCAN，4、K-means，5、自组织映射SOM，6、PCA，7、LDA，8、MDS，9、朴素贝叶斯，10、数据降维，11、神经网络，12、GMM，13、EM，14、LVQ，15、HMM，16、熵，条件熵，17、决策树，18、CART法，19、梯度下降，20、logistics回归，21、Adaboost，22、SMO，23、随机森林
机器学习算法是如何划分的？
目前主要从学习方式分类：
（A） 监督学习、（B）非监督学习、（C）半监督学习
（A）监督学习 : 样本数据带有标签值Y，监督学习算法从训练样本中学习得到一个模型，然后用这个模型对新的样本进行预测推断。它的样本由输入值X与标签值Y组成：（X,Y）
（B）无监督学习 : 对没有标签的样本进行分析，发现样本集的结构或者分布规律。其样本输入值为X :（X）
（C）半监督学习 : 是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据（X1），以及同时使用标记数据（X2,Y2），来进行模式识别工作。
如下图所示：
监督学习、无监督学习分别包含了那些算法呢？
监督学习包括：决策树、贝叶斯、线性模型、kNN、LDA（线性判别分析）、集成学习等
无监督学习包括：PCA、K-均值、DBSCAN等
借鉴网络已有的图形，如下所示 ：