监督学习
训练集的数据都是有标签的数据，在输入数据时，我们知道这个数据对应的输出，模型不断的建模数据输入和输出之间的关系。
不断的调整模型，缩小与真是输出的loss，直到输入输出一致。比如已知一些图片是猫，一些图片不是猫，那么训练一个算法，当一个新的图片输入算法的时候算法告诉我们这张图片是不是猪。
无监督学习
训练的数据没有分类，希望模型自动的将数据按照自己学到的特征进行分类，比如输入猫和狗的图片，但是并不知道那一张对应的是什么，希望模型自动可以判别那一张是猫，那一张是狗。
弱监督学习
训练的数据有一个弱标签，希望通过深度学习，得到一个强标签。
比如说，知道一张图片是一只猫，通过训练知道猫在那里，将猫和背景分离开来。
半监督学习
是监督学习和无监督学习的合并。待补充。
强化学习
扫描二维码关注公众号，回复：
5781345 查看本文章
学习的是一个策略，输出的是一个序列，不断的达到最终的结果，一个动作如果是好的策略的组成部分，它就是好的动作。
系统在没有人为指导的情况下，通过不断的试错来提升任务性能的过程。对学习过程有记忆，可以通过以往好的动作来决定下一步动作。比如：下棋游戏，不知道每一步是对还是错，但是知道一系列决策后最终的结果是输还是赢。
参考：https://blog.csdn.net/limiyudianzi/article/details/78921450