今天的文章內容會對機器學習的類型進行大致介紹，現在有不少非這兩大類的類型，如強化學習等等，但我們先專注在這兩大類上，為大家做介紹。

1. 監督式學習 Supervised learning

需要人力對樣本進行標記，給於標籤，對於每個樣本有明確的答案，即屬此類。
此類有兩個子類別，以給出預測的值為標準做出分類。

分類 Classification

預測給定的樣本屬於哪個類別，做出的預測是概率值，針對概率值的高低給出所屬類別的真假預測，之後預測手寫數字與物件圖片的皆屬此類。

回歸 Regression

對給定的樣本給出一個連續值，Keras裡有帶了一個資料集boston_housing，波士頓的房屋資料，裡面有附近的犯罪率、屋齡、臥室數量等等，要預測的是房子的房價，預測房價、股價這種連續的值即是回歸。

2. 非監督式學習 Unsupervised Learning

一般不對樣本標記，或只對一小部分樣本標記，對於絕大多數樣本並沒有一個標準答案，目前發展相較非監督式學習來說並不多。

聚類 Cluster

將一大堆資料分群，是非監督式學習最主要的應用，例如新聞或廣告等等，你看了一些新聞或產品後，系統將類似的內容推薦給你，過程中所使用的是就是聚類，k-means是一個很有名的聚類演算法。