一、不同的output

1、二分類

2、多分類

3、回歸問題

4、structured learn: 從一個句子 -> 句子每個 詞的詞性。

　　輸出是一個結構化的東西。

　　例子：蛋白質數據 -> 蛋白質結構

　　　　演講語音 -> 演講parse tree

二、不同label的類型

1、監督

2、非監督：

　　聚類

　　另外的非監督問題：密度估計！outlier detect

3、半監督學習：與監督學習比較接近

4、增強學習：yHat = y, 獎勵 yHat != y, 懲罰。

　　例子：推薦系統、下象棋

三、不同Protocol:

1、batch: 一批一起

2、online：按順序

　　PLA就很容易（感知機學習模型），

　　reinforce一般都是online

3、active learning主動學習: 給出一個x,詢問y是啥。通常用在取得標記很貴的情況。

四、不同輸入空間：

1、具體特征

2、原始數據

3、抽象特征：KDD題目，rate prediction. 輸入是用戶、歌曲編號。

　　特征工程\深度學習。

【機器學習基石筆記】三、不同類型的機器學習