| 机器学习 | 机器学习(通用) | 机器学习、特征选择、随机梯度下降、过拟合、测试集、训练集、验证集、数据集、目标函数 |
| 神经网络 | 神经网络、多层感知机、多层感知器、感知机模型、感知器模型、单层感知机、单层感知器、后向传播 |
| 深度学习 | 深度学习、卷积神经网络、循环神经网络、GRU、LSTM、Word2vec、词嵌入、注意力机制 |
| 生物启发式学习 | 生物启发式算法、生成模型、人工生命模型、演化硬件、遗传算法、遗传编程等 |
| 分类和回归树 | 分类模型、分类树、回归树、决策树、随机森林、梯度树、GBDT、梯度提升树 |
| 基于实例学习 | 基于实例学习、基于记忆学习、懒惰学习、k-nn、k-nearest |
| 潜在表示 | 潜在表示、置信网络、狄利克雷分布 |
| 逻辑和关系学习 | 逻辑学习、关系学习、归纳逻辑 |
| 多任务学习 | 多任务学习、终生学习、协变量偏移 |
| 概率图模型 | 概率图模型、最大似然模型、最大熵模型、最大后验概率模型、混合模型、隐变量模型、贝叶斯网络、条件随机场、隐马尔科夫模型 |
| 强化学习 | 强化学习、学徒学习、对抗学习 |
| 规则学习 | 规则学习 |
| 有监督学习 | 监督学习、排序学习、代价敏感学习、逻辑回归、半监督学习、结构化输出、半监督训练 |
| 支持向量机 | 支持向量机、SVM |
| 无监督学习 | 聚类分析、混合建模、主题建模、盲源分离、motif发现、降维、流形学习、无监督学习、无监督训练 |