机器学习中涉及的学习方式主要有四种：
1.监督学习
2.非监督学习
3.强化学习
4.半监督学习
区分：监督与非监督的区别在于学习中是用到的标签（label）
标签是指每个样本所属于的种类；
样本空间
在监督学习中，就是根据已经有的数据来预测新的数据的正确性，那这个正确与否就是需要判断标签是否预测正确。从而来提高算法的性能。所以说，有监督学习，必须是有标签的。
主要用途：分类（Classify）和回归（Regression）
常见算法：k-近邻算法、决策树与随机森林、回归（逻辑、岭回归）、神经网络、朴素贝叶斯、支持向量机、线性回归等
而无监督学习，一般是归类，不用标签，把相近的样本归为一类。这个相似性就需要相似性度量。
主要用途：聚类等
常见算法：k-means，模糊c均值等
强化学习就是采用惩罚机制，评价行为，比如这是一个好行为或者这个是一个bad way。好的行为保持奖励，但是坏的行为就重处罚。从而经历重复的训练，效果也越来越好。
用途：游戏中比较好，比如蘑菇人，小鸟等，但是感觉也可以用于无人驾驶，市场还是很广的，还记得看过一个视频（吴恩达在斯坦福做过的一个实验就是一个自己会飞的飞机，效果还不错）。
半监督学习，是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据，以及同时使用标记数据，来进行模式识别工作。也就是以少量的标签来评判，进行归类。
机器学习--TEP
T-是样本，E-经验，P-性能，就是程序利用E在T上获得性能P的改善，这个就是学习。
总结：本人是个刚入行的小白，希望大佬指正，谢谢。
