机器学习模型及其算法的框架疑问

Question

刚开始学机器学习，对其中的模型及其适用的算法，都有些没搞明白。。也努力去看了些文章，还是越高越迷糊。。求高手指点一二。。
我自己弄了下大致框架，就是想知道到底哪些模型，适用哪些算法？（这个神经网络，按正常分类，应该属于深度学习范畴的，到底属于生成法还是判别法，还是都不算？）
现在什么梯度下降法，极大似然估计，最小二乘法，核函数等，简直把我搞晕了。。

Answer 1

lz的采纳率偏低，如果问题解决，请及时采纳，这样才能更好更详细地回答lz的问题。

感知机可以理解为单层的神经网络
多层的神经网络叫做深度学习
决策树解决的是无非线性因素的分类
随机森林是多决策树
KNN是用最小距离法做聚类的
贝叶斯是根据先验概率去做统计的算法
马尔可夫可以理解为多个贝叶斯概率串起来解决状态转移的概率
支持向量机是利用线性算法去拟合分割平面的分类算法
逻辑回归解决的是连续型拟合（分类相当于离散型）
梯度下降并不是机器学习的算法，而是神经网络的反向传播算法，用来调整权重参数
最小二乘法也是类似的，它也是一种参数估计的算法
深度学习即可做生成（升维，解码），也可以做判别（或者叫分类，降维，编码）