1、不同划分
输入空间
-Concrete Features：具体特征。eg：身高、体重、大小
-Raw Features：较抽象特征。eg：图像
-Abstract Features：更抽象特征。eg：脱敏之后的数据
输出空间
-分类
-回归
-结构化学习：使用较少。eg：图像、语音、列表、树等各种结构
协议
-Batch Learning
-Online Learning：单数据、实时更新
-Active Learning：不确定信息提出问题需求等，不常用
样本标签
-监督学习
1.分类：K-近邻、Logistic回归、决策树、支持向量机、朴素贝叶斯、Adaboost
2.回归：线性回归、树回归
-半监督
1.K-均值聚类
-无监督：
