**「machine learning cheat sheet」**で画像検索すると
この手の大分類をした図表が見つかります
私が参考になったのは
「scikit-learn algorithm cheat-sheet」と
「Microsoft Azure Machine Learning Algorithm Cheat Sheet」です
私自身機械学習への理解が深いとは言えませんが
分類するとするなら下記のようになりました
予測問題というのは下では回帰問題に当たると思います
(色々と間違ってる可能性は多分にありますので注意)
問題で分ける
- 分類問題(教師あり)←答えが値/離散的
二値分類
多値分類
- 回帰問題(教師あり)←答えが値・関数/連続的
- クラスタリング(教師なし)
- 次元削減(教師なし)
- その他 主成分分析・独立成分分析・モデル推定・異常値検知など
手法で分ける
- ニューラルネットワーク
- サポートベクタマシン
- ベイジアンネットワーク
- ランダムフォレスト
- ブースティング
多分このような分類はいくつかあり
それらは多くの場合1対1ではありません
例えばTensorFlowで扱えるニューラルネットワークは
分類問題・回帰問題を解くのに使われますが
オートエンコーダを使用すると次元削減ができます
これは入力されたデータが答えでもあるという
教師なしの学習で
これをもっと高度化すると
特徴量抽出とかになるのだと思います
大きな問題は小さな問題に分解され
手法を組み合わせて解かれる
というところも注意するところでしょう
私が見た例では
ニューラルネットワークで次元削減を行い
K-meansでクラスタリングするといったことをやっていました
ニューラルネットワークの形や機能については
下記のサイトなどが参考になると思います
ニューラルネットワークの動物園