1.监督学习
监督学习，可以理解为通过学习已有数据特征和标签之间的关系，来预测新的数据特征所对应的标签。
1.1回归
在监督学习中，当标签可以取数据集中的任意数值时，我们将这个问题归为回归问题。
1.2分类
在监督学习中，如果标签只是取到一些有限的数值的话，我们将这个问题归为分类问题。
1.3搜索
从海量结果中，找到和用户输入最相关的一组有序的结果，并按照这个顺序呈现出来。
1.4推荐系统
将用户和他们可能喜欢的东西关联起来，并推送给这些用户。
1.5序列学习
输入之间是有关联的，通过一系列的输入，预测对应的输出结果。
2.无监督学习
只有数据，没有对应的标签的情况。
3.强化学习
数据来自于生产数据的环境，不管是监督学习，还是无监督学习，都是在数据脱离生产环境后的"离线学习"。而，强化学习是与环境实时交互的"在线学习"。
Reference:
1.《动手学习深度学习》