机器学习从学习的种类分为“无监督学习”（不对样本数据做任何标记甚至是过程干预）和“有监督学习”（总结训练样本向量与标签的映射关系）。
一。聚类：
是非常典型的无监督学习的一种。聚类的行为本源还是人自身。聚类是通过划分一个个范围，把输入样例进入符合条件的范围，通过映射关系输出一个合理的结果。类比于人类的行为，我们分的清猴子和汽车，猴子的种类很多，他们有些行为、样貌迥异，但是我们却不会把他们和汽车弄混，我们认为在一定的差异范围内，他仍然属于猴子的范围。
在这个过程中，从获得具体的样本向量，到得到聚类结果，人们是不用进行干预的，从而得到了“非监督”的概念。
二。回归
简单来说就是“由果索因”的过程，是一种归纳的思想。最常用的回归有两大类----线性回归，非线性回归。
Loss越小，越精准。会把收集到的数据集分为训练集和验证集。七三开，八二开都可以。训练集一侧用数据多的那部分。
非线性回归当属逻辑回归。
三。分类
在数据中使用最多的算法。涉及一个召回率和精确率。