人工智能相关算法分为以下几类：
1. 机器学习算法：机器学习是一种通过训练数据集来让计算机自动学习的方法，常见的机器学习算法包括决策树、支持向量机、朴素贝叶斯等。
2. 深度学习算法：深度学习是基于神经网络算法的一种机器学习方法，特别适用于处理大规模数据和复杂的非线性关系，比如卷积神经网络、循环神经网络等。
3. 聚类算法：聚类算法是将数据集分成多个簇的方法，常见的聚类算法包括K均值聚类、层次聚类等。
4. 关联规则算法：关联规则分析是发现数据集中频繁出现的组合的方法，常用的关联规则算法包括Apriori算法、FP-Growth算法等。
5. 强化学习算法：强化学习是计算机通过试错方式自动学习最佳行动策略的一种方法，常见的强化学习算法包括Q-learning、SARSA等。
6. 朴素贝叶斯分类算法：这是利用贝叶斯定理来实现分类的算法，其前提是每个特征中的各种分类相互独立。该算法在计算速度上较快，对于大数据集表现也优秀。
7. 随机森林算法：这是基于决策树算法的一种机器学习方法，主要特点是不容易过拟合、可处理高维数据和具备良好的鲁棒性。
8. 支持向量机算法：支持向量机是由Vapnik和同事提出来的一种具有强大学习能力的机器学习算法，其被广泛用于文本分类、图像识别、语音识别等领域，并能够显著提升系统的性能和准确率。
