【摘要】：作为计算机科学的分支，机器学习致力于如何利用代表某现象的样本数据构建算法，这些数据可能是自然产生的，也可能是人工生成的，更可能是来自其他算法的输出。[30]按照是否在人类监督之下进行训练，机器学习可以分为五个主要类别：有监督学习、无监督学习、半监督学习、强化学习和深度学习。
机器学习是一个研究领域，让计算机无须进行明确编程就具备学习能力，[29]汤姆·米切尔给出了更工程化的定义：一个计算机程序利用经验E来学习任务T，性能是P，如果针对任务T的性能P随着经验E不断增长，则称为机器学习。作为计算机科学的分支，机器学习致力于如何利用代表某现象的样本数据构建算法，这些数据可能是自然产生的，也可能是人工生成的，更可能是来自其他算法的输出。[30]
按照是否在人类监督之下进行训练，机器学习可以分为五个主要类别：有监督学习、无监督学习、半监督学习、强化学习和深度学习。
第一，有监督学习是指提供给算法的包括所需解决方案的训练，例如，垃圾邮件过滤器是一个典型的案例：通过大量的电子邮件示例及其所属的类别（垃圾邮件还是常规邮件）训练，对邮件进行分类。
第二，无监督学习是指训练数据都是未经过标记的，系统会在没有“老师”的情况下进行训练。(www.xing528.com)
第三，半监督学习是无监督算法和有监督算法的结合，是指处理部分已经标记的数据。
第四，强化学习是指自行学习什么是最好的策略，它的学习系统能够观察环境、做出选择、执行动作，从而随着时间推移获得最大回报。例如，很多机器人通过强化学习算法学习如何行走。[31]
第五，深度学习多采用半监督式学习算法，是对人工神经网络的发展，通过多层非线性信息处理结构化模型，因其可自动提取的特征，更适合处理大数据。[32]
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
