機器學(xué)習(xí)分類可以分為幾類，比如監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)等。 監(jiān)督學(xué)習(xí)是機器學(xué)習(xí)最常用的分類，它主要使用給定的訓(xùn)練數(shù)據(jù)，將原始數(shù)據(jù)轉(zhuǎn)化為給定模型，使用模型可以更好的應(yīng)用到無標(biāo)簽的數(shù)據(jù)中，從而實現(xiàn)更好的預(yù)測效果。常見的監(jiān)督學(xué)習(xí)包括：分類問題（Logistic Regression、SVM）、回歸問題（線性回歸、多項式回歸）等等。 無監(jiān)督學(xué)習(xí)旨在將沒有標(biāo)簽的數(shù)據(jù)進行分類，最終形成類別，常見的無監(jiān)督學(xué)習(xí)分類算法有聚類（K-Means）、降維（PCA）等等。 半監(jiān)督學(xué)習(xí)主要使用有標(biāo)簽的訓(xùn)練數(shù)據(jù)和沒有標(biāo)簽的訓(xùn)練數(shù)據(jù)結(jié)合起來，常見的半監(jiān)督學(xué)習(xí)算法有支持向量機（SVM）、最大熵模型（MaxEnt）等算法。 強化學(xué)習(xí)就是通過收集經(jīng)驗來學(xué)習(xí)最優(yōu)的操作策略，旨在達到一個最優(yōu)的執(zhí)行計劃，典型的強化學(xué)習(xí)算法有：Q學(xué)習(xí)、SARSA、模仿學(xué)習(xí)等等。 總的來說，機器學(xué)習(xí)分類主要分四大類，每一類都有自己的特點和應(yīng)用。在這些分類中，很多算法可以被用于多種應(yīng)用中，因此使用最合適的算法可以更好的解決實際問題。 拓展知識：機器學(xué)習(xí)還可以細分為分類和回歸，分類指將輸入數(shù)據(jù)劃分成若干輸出分類，而回歸則是預(yù)測輸入數(shù)據(jù)對應(yīng)的輸出數(shù)值。