監督學習：根據已有的資料集，我們知道輸入和輸出結果之間的關係。根據這種已知的關係，訓練得到一個最優的模型。監督學習主要分為分類問題和迴歸問題。

 分類問題：輸出結果是有限個結果，比如結果集為T={A，B，C}。 迴歸問題：更像是一個連續的函式y=f(x),根據你的輸入x，得到一個y值。 生活中的例子來說明：分類問題，比如給你一些植物的特徵，比如顏色，味道，大小，讓你來判斷它是屬於蔬菜，還是水果等。這個結果是有限的。迴歸問題：給你今天某隻股票的資金流入流出量，市盈率等，讓你預測明天漲跌多少，這裡這個值就是不確定的，是根據你的輸入得到的一個值，他們之間類似於一種函式關係。

無監督學習：相對於監督學習，即我們不知道資料集中資料、特徵之間的關係，而是要根據聚類或一定的模型得到資料之間的關係。

無監督學習的代表：聚類分析，假如給你一堆語音資料，你並不知道這些資料之間的關係，有什麼樣的聯絡，經過聚類分析後，可能會給你這樣的結果，這個模型給你將資料分為了兩類，一類是人的聲音、一類是樂器的聲音。

具體的各種機器學習方法，比如線性迴歸、邏輯迴歸、決策樹、聚類等，會在後面的章節一一介紹。