大數據應用毫無疑問是未來科技很重要的一環，但如何好好運用資料的價值，機器學習及人工智慧都是很重大的一環。
其中機器學習方面，都會先進行分類後，才能分析接著進行判斷，最後才能做出適當的判斷。機器學習的種類主要分成四種：監督式學習、非監督式學習、半監督式學習和強化式學習。

監督式學習
所有的資料都會被標註在導入機器中，告訴機器相對應的值，讓機器能了解到誤差範圍，這項學習其實人工居多，所以相對機器的工作就較簡單。其實也就像是告訴機器正確答案，讓機器能遇到問題時直接依照前面給的做出正確的判斷，所以這項學習的正確性較高，誤差性較小。

非監督式學習
非監督式學習其實跟監督式相反，反之就是所有資料由機器根據特徵做判斷，在自行分類，這項學習人工部分較少，相對的如全權由機器選擇，誤差就會較大，正確性也沒這麼高。

半監督式學習
這項學習中會標註少部分的資料，電腦透過已經標註的資料比對特徵在進行分類，經由人工的處理，在由機器做分類，這樣在做最後預測時會較準確，這樣相半方式誤差也不多，正確性也高，是目前最常用的方式。

強化式學習
強化式學習其實就是彌補非監督式學習，在人工方面也不須標註任何資料，只要告訴機器採取的哪個步驟是正確的，哪個是錯誤的，根據最後的反饋的好壞，機器會再做調整。在機器學習上，是透過環境互動來學習，取得最大化的預期利益，如果要提升非監督式學習的正確性，強化式學習就一定不能缺少。

參考文章：https://kopu.chat/2017/07/28/%E6%A9%9F%E5%99%A8%E6%98%AF%E6%80%8E%E9%BA%BC%E5%BE%9E%E8%B3%87%E6%96%99%E4%B8%AD%E3%80%8C%E5%AD%B8%E3%80%8D%E5%88%B0%E6%9D%B1%E8%A5%BF%E7%9A%84%E5%91%A2/