type of machine learning

分类1 (知识的最终形式)

1. 

分类2 （你学习的效果）

其中semi-supervised 表示半监督学习，他只有一部分的数据有标签，其他的没有。 他希望用更少的标签，做更多的事。因为有的数据做标签是很昂贵的。
* 都学到了
* 都没学到
* 学到了一些
* 迷迷糊糊，混沌状态（开玩笑的）

reinforcement learning 表示增强学习。他的情况是，输出的 $y_n$并不绝对，也不一定会和最终的类相同。只是会对模型的输出做一定的惩罚或者奖励。

分类3 （你学习的方法）

batch learning:一次就把所有的数据给模型，让模型学习。有点填鸭式学习。
online learning:就是线上学习。即一次来一个数据进行学习，比如PLA。举例来说，垃圾邮箱分类器，来一个邮件，分类器就把邮件分类，但之后我们发现告诉他分错了，然后分类器的参数就进行一定的调整。
active learning:就是主动学习。让模型主动学习，发现不确定，模拟不出来的数据时，再向人类请教。

分类4 （知识的来源）

concrete features : 特征已经经过人类的经验进行了预处理。可直接用于训练模型。
raw features：原始特征，未经加工的特征。必须经过处理才可用。
abstract features：抽象特征。未经加工的特征。必须经过处理才可用。

以上4点总结：

这次比较信息量太小了！！！