生成式模型 P(X,Y)
对联合概率进行建模，从统计的角度表示数据的分布情况，刻画数据是如何生成的，收敛速度快。
• 1. 判别式分析
• 2. 朴素贝叶斯Native Bayes
• 3. 混合高斯型Gaussians
• 4. K近邻KNN
• 5. 隐马尔科夫模型HMM
• 6. 贝叶斯网络
• 7. sigmoid 信念网
• 8. 马尔科夫随机场Markov random fields
• 9. 深度信念网络DBN
• 10. 隐含狄利克雷分布简称LDA(Latent Dirichlet allocation)
• 11. 多专家模型（the mixture of experts model）
• 12.受限玻尔兹曼机（ RBM）
• 13.深度玻尔兹曼机（DBM）
• 14.广义除噪自编码器（GDA）
• 15.生成对抗网络（GAN）
• 16.变分自编码器（VAE）
• 17.自回归模型（AR）
判别式模型 P(Y|X)
对条件概率P(Y|X)进行建模，不关心数据如何生成，主要是寻找不同类别之间的最优分类面。
• 1. 线性回归linear regression
• 2. 逻辑回归logic regression
• 3. 神经网络NN
• 4. 支持向量机SVM
• 5. 高斯过程Gaussian process
• 6. 条件随机场CRF
• 7. 决策树（CART）
• 8. Boosting
• 9.感知机 (线性分类模型)
• 10.k近邻法
• 11.传统神经网络（CNN,RNN）
• 12.最大熵模型（ME）
• 13.区分度训练