0.概述
什么是有监督学习、无监督学习、半监督学习、弱监督学习、自监督学习、强化学习？
随着机器学习问题不断深入人心，人们也将现实中遇到不同的问题分为不同的学习方式，其中，最基础的应属监督学习，无监督学习和强化学习了。
1.有监督学习(supervised learning)
已知数据和其对应的标签，训练一个学习模型或算法，将输入数据映射到标签的过程。监督学习是最常见的学习问题之一，就是人们口中常说的分类问题。比如已知一些图片是猫或狗，一些图片不是相应的类别，那么训练一个算法，当一个新的图片输入算法或模型的时候，能够告诉我们这张图片是猫还是狗。
2.无监督学习(unsupervised learning)
已知数据不知道任何标签，按照一定的偏好，训练一个智能算法，将所有的数据映射到多个不同标签的过程。相对于有监督学习，无监督学习是一类比较困难的问题，所谓的按照一定的偏好，是比如特征空间距离最近，等人们认为属于一类的事物应具有的一些特点。
无监督学习典型如常见的十种聚类算法，K-means,DBSCAN,GMM等。