一、监督学习 supervised learning
已有训练样本和分类器，通过训练样本来得到分类器的最佳模型，再利用这个模型来处理新样本。
（1）分类
（2）回归
（3）结构学习 structured learning
（4）深度学习
常见算法：
反向传播算法 BP算法
二、半监督学习 semi-supervised learning
少量标注样本和大量未标注样本。
三、无监督学习 unsupervised learning
没有任何数据样本，通过聚类的方式从数据中提取一个特殊的结构，来对数据进行建模。
四、迁移学习 transfer learning
把已学训练好的模型参数迁移到新的模型来帮助新模型训练数据集。通俗来讲，就是运用已有的知识来学习新的知识，核心是找到已有知识和新知识之间的相似性，用成语来说就是举一反三。
常见算法：
Zero/One-shot learning
例如，已有中文到英文的映射和中文到韩文的映射，如何得到英文到韩文的映射？找到一个好的特征向量，使得同一个单词的英文、韩文、中文的向量在空间中距离足够近即可。
五、强化学习 reinforcement learning
有样本和奖励信号（说明产生的结果好或者不好）。