3. Types of learning
P10 3.1
输出只有2种：二元分类（是非题）
机器对于问题输出实数：回归分析/有范围回归分析
不同的y：
structured learning : y = structures 自然语言处理、蛋白质显示
P11 3.2
监督学习：给{xi,yi}
1 监督学习
2 无监督学习（非监督式）：只给xi，然后机器自己分群（clustering 聚类），所以可能会错
用途：看图
3 半监督式：标记一些点
4 reinforcement learning：类似训狗
对机器的输出告知好或不好来学习，一批一批地训练
无监督学习介绍：
P12 3.3
小总结：
1 batch：喂给机器一批资料
2 online：
垃圾邮箱识别：一封一封邮件识别：online learning
持续更新w
3 active learning ：机器问问题，用在取得label很贵的时候
P13 3.4
数据的输入：
1 具体的数据，机器学习难度低
2 不具体的，学习难度变高
3 抽象的数据，学习难度最难
最后第3章的小总结：
