1.监督学习（supervised learning）：利用一组已知类别的样本来调整分类器的参数。
例子：房价的预估（有房价的数据来估计房价）、GDP的发展趋势。
2.分类模型(classification model)：预测某一样本属于某一类的概率。
例子：判读0~9中的一个数字。
3.回归模型(regression model)：从离散的样本集合中预测连续的样本的输出值。
例子：预测二手车的售价（二手车的各种要素->售价）。
1.非监督学习（unsupervised learning）：利用一组没有类别的样本来让分类器来识别各种模式、类型、结构。
例子：将网上相识内容聚集在一起、给你推送的知乎内容（社交网络）、市场分析。
2.聚类算法（clustering algorithm）：对相似的数据进行分类的算法。
例子：基因的判别、新闻。
3.鸡尾酒会问题(cocktail party problem)：语音识别问题。意思是解决语音识别技术（将杂音分离为若干人的说话声），能够同时听清十个人说话的能力。
原文：https://www.cnblogs.com/GreenDuck/p/12306178.html