深度學習算法主要有以下幾種：
1.迴歸算法。迴歸算法是試圖採用對誤差的衡量來探索變量之間的關係的一類算法，是統計機器學習的利器。
2.基於實例的算法。基於實例的算法常常用來對決策問題建立模型，這樣的模型常常先選取一批樣本數據，然後根據某些近似性把新數據與樣本數據進行比較。用户通過這種方式來尋找最佳的匹配，因此，基於實例的算法常常也被稱為“贏家通吃”學習或者“基於記憶的學習”。
3.正則化方法。正則化方法是其他算法（通常是迴歸算法）的延伸，根據算法的複雜度對算法進行調整，通常對簡單模型予以獎勵，而對複雜算法予以懲罰。
4.貝葉斯方法。貝葉斯方法算法是基於貝葉斯定理的一類算法，主要用來解決分類和迴歸問題。
5.人工神經網絡。人工神經網絡算法模擬生物神經網絡，是一類模式匹配算法，通常用於解決分類和迴歸問題。也是機器學習的一個龐大的分支，有幾百種不同的算法。
