• 非監督式學習(Unsupervised Learning)
在資料探勘中稱為分群(Clustering)，經過演算法找出參數的相關性，了解它的分布狀態，事先並不知道如何分，直接對資料進行探索，然後再對發現結果進行評估反覆修正。分群在群間的距離要大、群內的距離要小，這樣的情況是最好的，分群的演算法如下：
╴關聯學習是最早出現的演算法，如：在賣場裡有的商品可能經常被同時購買，計算頻率來訂定一些規則
╴K-means是比較常用到的演算法，假設有K個群集，要找出K個群集的中心，透過演算法調整群集中心的數值，但是它有一個缺點是當資料有outlier時可能會有錯的結果，或是有分得不好的情形發生，還有在特定資料(如：螺旋分布需分成內外分群)會不適合使用此方法
• 強化式學習(Reinforcement Learning)
學習的過程中能跟環境互動，能產生新的資料來增強能力，如：AlphaZero能自我對戰。
參考資料
https://www.youtube.com/watch?v=pDW_OXc5oI4&list=PLdSWxzxDhd3Hacd6DgLQ2PpH9nvyIXVj5
https://www.youtube.com/watch?v=6MhzEd8dgXU&list=PLdSWxzxDhd3Hacd6DgLQ2PpH9nvyIXVj5&index=2
iThome鐵人賽
看影片追技術