机器学习五大分类：
1.监督学习：
从给定的训练集中学习一个函数，当新数据到来时，可以根据这个函数来预测结果。监督学习的训练集要求有输入和输出，也称之为特征和目标。从输入数据提取数据特征，以达到输出特定目标的目的。训练集的目标是由人标注的，常见的监督学习算法包括回归和分类
2.无监督学习：
无监督学习与监督学习相比，训练集没有人为标注的结果（有些数据难以人工标注分类或标注分类成本太高）。无监督学习的典型学习算法是聚类（将相似的东西聚在一起，而不关心这一类是什么）。
3.半监督学习：
半监督学习是一种基于监督学习和无监督学习之间的方法。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。
4.迁移学习：
将在一个模型中已经训练好的模型参数迁移到新的模型继续训练学习的学习方法。
5.增强学习：
通过观察周围环境来学习。每个动作都会对环境有所影响，学习对象根据观察周围环境的反馈来做出判断。
