一.Learning with Different Output Space Y
二.Learning with Different Data Label yn
监督式学习，每个训练样本都有对应的label，相当于每个x都有一个y对应
非监督式学习，每个训练样本是没有label的，需要电脑自己划分，类似于聚类，只有x而没有y
有些时候样本过于庞大，没法完全标签，只能对其中一部分标签，所以诞生了半监督式学习
增强式学习，很难明确的定义一个label，很难给x一个明确的y，比如21点，很难给要牌或者不要牌定义一个确定的y，我们可以通过惩罚和奖励这种形式，对要牌不要牌这种行为给予惩罚或者奖励，让电脑去学到东西。在reinforcement learning 这种学习方法里面，data通常是一笔一笔喂进来的，一步一步的让电脑越来越好。
三.Learning with Different Protocol f =>(xn; yn)
原文：http://www.cnblogs.com/wanderingzj/p/4948731.html