1、不同劃分
輸入空間
-Concrete Features：具體特征。eg：身高启妹、體重、大小
-Raw Features：較抽象特征托修。eg：圖像
-Abstract Features：更抽象特征忘巧。eg：脫敏之后的數(shù)據(jù)
輸出空間
-分類
-回歸
-結(jié)構(gòu)化學(xué)習(xí)：使用較少。eg：圖像睦刃、語音砚嘴、列表、樹等各種結(jié)構(gòu)
協(xié)議
-Batch Learning
-Online Learning：?jiǎn)螖?shù)據(jù)涩拙、實(shí)時(shí)更新
-Active Learning：不確定信息提出問題需求等际长，不常用
樣本標(biāo)簽
-監(jiān)督學(xué)習(xí)
1.分類：K-近鄰、Logistic回歸兴泥、決策樹工育、支持向量機(jī)、樸素貝葉斯搓彻、Adaboost
2.回歸：線性回歸如绸、樹回歸
-半監(jiān)督
1.K-均值聚類
-無監(jiān)督：
