監督學習
數據特點：特征+標簽
模型： 主要為分類和回歸算法 K近鄰（KNN），決策樹（DT）,朴素貝葉斯（NB），邏輯回歸（LR）,線性回歸（LR）,支持向量機（SVM）,集成算法（bagging算法和Boosting算法），神經網絡
監督學習又可以分為有參數的監督學習和無參數的監督學習
半監督學習(具體可參考周志華西瓜書)
數據特點：特征+部分特征有標簽
模型： 半監督分類，半監督回歸，半監督聚類，半監督降維
我覺得遷移學習其實也可以算是半監督學習，還有個模型概念：domain adaptation也符合半監督的數據特點！
無監督學習
數據特點：只有特征
模型： 降維算法（PCA,Kernel-PCA,流形學習LLE等），聚類算法（kmeans,DBscan,高斯混合聚類，Agens等），自編碼，對抗生成網絡（GAN），關聯規則，word2vec，EM算法