监督学习
数据特点：特征+标签
模型： 主要为分类和回归算法 K近邻（KNN），决策树（DT）,朴素贝叶斯（NB），逻辑回归（LR）,线性回归（LR）,支持向量机（SVM）,集成算法（bagging算法和Boosting算法），神经网络
监督学习又可以分为有参数的监督学习和无参数的监督学习
半监督学习(具体可参考周志华西瓜书)
数据特点：特征+部分特征有标签
模型： 半监督分类，半监督回归，半监督聚类，半监督降维
我觉得迁移学习其实也可以算是半监督学习，还有个模型概念：domain adaptation也符合半监督的数据特点！
无监督学习
数据特点：只有特征
模型： 降维算法（PCA,Kernel-PCA,流形学习LLE等），聚类算法（kmeans,DBscan,高斯混合聚类，Agens等），自编码，对抗生成网络（GAN），关联规则，word2vec，EM算法