监督学习：监督学习即具有特征（feature）和标签（label）的，即使数据是没有标签的，也可以通过学习特征和标签之间的关系，判断出标签——分类。
简言之：提供数据，预测标签。通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出。
无监督学习：无监督学习即只有特征，没有标签。只有特征，没有标签的训练数据集中，通过数据之间的内在联系和相似性将他们分成若干类——聚类。根据数据本身的特性，从数据中根据某种度量学习出一些特性。
简言之：只给出数据，寻找隐藏的关系。
强化学习：强化学习与半监督学习类似，均使用未标记的数据，但是强化学习通过算法学习是否距离目标越来越近，利用了激励与惩罚函数。
简言之：通过不断激励与惩罚，达到最终目的。
