机器学习的主要问题
supervised learing：监督学习 unsupervised learing：非监督学习
discrete：离散的 continuous：连续的
classification(or categorization)：分类 clustering：聚类
regression：回归
dimensionality reduction：维度下降
（1）监督学习：
用户将成对的输入和预期输出数据提供给算法，算法从中找到一种方法（，然后根据给定输入给出预期输出。
（事先知道正确答案，即拥有一个输入变量(x)和一个输出变量(Y)，使用某种算法去学习从输入到输出的映射函数Y=f(X)，我们的目标是足够好的近似映射函数，以便当我们在新的数据上可以预测输出变量）
监督式学习问题可以进一步被分为回归和分类问题
回归（Regression）和分类（Classification）的算法区别在于输出变量的类型，定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。
回归模型可预测连续值（预测房子的价格）
分类模型可预测离散值（预测垃圾邮件、非垃圾邮件）
（2）非监督学习
非监督式学习问题可以进一步分为聚类问题、关联问题、概率分布估计，降维
（3）半监督式机器学习Semi-supervised learning
当我们拥有大部分的输入数据(X)(X)但是只有少部分的数据拥有标签(Y)(Y)，这种情形
（4）增强学习reinforcement learning
