深度学习算法主要有以下几种：
1.回归算法。回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法，是统计机器学习的利器。
2.基于实例的算法。基于实例的算法常常用来对决策问题建立模型，这样的模型常常先选取一批样本数据，然后根据某些近似性把新数据与样本数据进行比较。用户通过这种方式来寻找最佳的匹配，因此，基于实例的算法常常也被称为“赢家通吃”学习或者“基于记忆的学习”。
3.正则化方法。正则化方法是其他算法（通常是回归算法）的延伸，根据算法的复杂度对算法进行调整，通常对简单模型予以奖励，而对复杂算法予以惩罚。
4.贝叶斯方法。贝叶斯方法算法是基于贝叶斯定理的一类算法，主要用来解决分类和回归问题。
5.人工神经网络。人工神经网络算法模拟生物神经网络，是一类模式匹配算法，通常用于解决分类和回归问题。也是机器学习的一个庞大的分支，有几百种不同的算法。
