機器學習可以分為四大類

• 監督式學習 Supervised Learning
• 非監督式學習 Unsupervised Learning
• 半監督式學習 Semi-supervised Learning
• 增強式學習 Reinforcement Learning

我們將一個一個為各位介紹。

1. 監督式學習 Supervised Learning
   監督式學習顧名思義，也就是有「人」在一旁監督學習的過程與結果，只是今天「人」這個角色由機器來自行扮演。一般而言我們會將所有確定好的資料都標上標籤(Label)，並告訴機器相對應的值，在最終輸出後可以利用輸出的值來判斷準確度的誤差。這種方法便是人工分類。這個方法的限制就是輸入的資料都要有自己的「結果」，例如今天希望程式去區分貓和狗，就必須要提供機器100張貓與100張狗的照片，機器依照標籤的照片去偵測兩者的特徵並進行預測。

2. 非監督式學習Unsupervised Learning
   非監督式學習便是反向的監督式學習，沒有人在一旁監督查看。所有資料都沒有被貼上標籤，所以機器必須要自己尋找這些輸入資料的特徵值，在依照結果進行資料的分類。以人的觀點來看是稀鬆平常的事情，但機器並不能這麼靈活判斷特徵之間的差別，所以預測結果的誤差值將會比較大。

3. 半監督式學習Semi-supervised Learning
   半監督式學習是監督式學習與非監督式學習兩種的類複合體，他會對少量的資料貼上標籤，而機器會透過這些有標籤的資料進行特徵萃取，並進一步分類。這種方法預測會比非監督式學習好一點。舉例來說若有100張照片，我們將10張照片貼上「熊貓」的標籤，機器便會利用這十張的照片去分類剩餘的照片。

4. 增強式學習 Reinforcement Learning
   增強式學習是一種較為特別的分類，機器會透過每一次與環境之間的互動來進行學習，以期能取得最大的預期效益。輸入時的資料不會貼上標籤，但是我們會告訴機器他所採取的哪一個步驟是對的，哪一個步驟是錯誤的。根據反饋的好壞，機器就會慢慢逐步修正，得到我們所預測的正確答案。

資料參考:
https://www.ecloudvalley.com/zh-hant/machine-learning/
https://www.wpgdadatong.com/cn/blog/detail?BID=B0553