1 监督学习
监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。
简单地说就是给定一组数据，我们知道正确的输出结果应该是什么样子。最简单的就是真和假的学习。要么是真，要么是假。我们已经知道输出的结果只能是真或者假。
2 无监督学习
无监督学习与监督学习相比，训练集没有人为标注的结果。
无监督学习使用无历史标签的数据。系统不会被告知“正确答案”。不需要给数据打标签的基础上，做数据挖掘。无监督学习主要体现在聚类(clustering)上。
总之，有标签的就是有监督学习，反之无标签的就是无监督学习
3 半监督学习
半监督学习介于监督学习与无监督学习之间。
半监督学习和它的名字一样，同时用了有监督学习的方法和无监督的方法，更准确的说是同时用了标记好的数据和未标记的数据。
4 增强学习
增强学习经常被用于机器人，游戏和导航。通过强化学习，该算法通过试验和错误发现行动产生的最大回报。
5 开发工具
Jupyter Notebook网页版。