本篇僅大概敘述各種情境，無深入探討，各情境常用演算法等將在之後的文章中討論

Supervised Learning (監督式學習)

• 會告訴機器正確的答案(像是告訴機器收到A就回應B)
• learning from teacher(會有人告訴它每個問題的答案)

Unsupervised Learning(無監督式學習)

• 讓機器在無label的情況下學習
• 他學習的並不是某個答案，而是某種模式或架構
• 比如讓機器看了多種動物後，他是否能自己創造出動物

Semi-supervised Learning (半監督式學習)

• 給機器少量的labeled data及大量的unlabeled data
• 常見方式有自學習，機器可以用自學的方式將unlabeled data標上label

Transfer Learning(遷移學習)

• 有一組少量但有labeled的data，跟許多不相關的labeled和unlabeled data混合的資料集
• 此情境探討的是那些不相關的data是否對訓練model有所幫助

Reinforcement Learning(增強式學習)

• 不同於監督式學習，機器只會得到一個分數，代表著它做的好或不好(即使機器得知此次給出的回應不好，也不會知道是為何不好，他必須自己去分析)
• learning from critics(從評價中學習)
• 較符合人類真正的學習情境

參考資料

• https://www.youtube.com/watch?v=CXgbekl66jc&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49