下面這張圖主要說明，機器學習主要分成: Supervised Learning(監督式學習)、Unsupervised learning(非監督式學習)、Semi-supervised Learning(非監督式學習)、Unsupervised Learning(非監督式學習)、Transfer Learning(遷移式學習)、Reinforcement Learning(強化式學習)。

以下所介紹都是以Supervised Learning為主，所謂的Supervised Learning指必須要有大量的training data，並且需要告訴機器input及output之間的關係，例如給一張狗的圖片，必須告訴它這是狗，給一張貓的圖片，必須告訴它這是貓，這樣的動作通常較label。

所以當我們用Supervised Learning做學習時，必須告訴機器input及output是什麼。

• Regression:
  它的輸出是個數值。ML_Day1(什麼是機器學習)有提到，首先我們先準備一些資料給機器，機器學習後可以預測未來時間的PM2.5。

• Classification:
  跟Regression輸出的類型是不一樣的，其中binary classification輸出yes or no，multi-classification輸出數個選項，每一個選項代表一個類別。

1. binary classification:
   input為每一封郵件，output為每一封郵件是否為垃圾郵件，也就是yes or no的結果。
   

2. multi-classification:
   首先必須準備多篇文章，並且告訴機器每一篇文章相對應的類別，最後給它新的文章，希望機器能給出正確的結果。