3.分别从{Y,yn,procol,X}角度对学习算法进行分类
3.1 根据输出的标签Y可以将学习算法分为二分类，多分类，回归，结构化学习四种类型。
{binary classification;multiclassification;regression;structured learning}，其中，二分类
和回归算法最常见。
3.2 根据输入的标签yn是否已知，已知数量的多少可以将学习算法分为有监督学习，无监督
学习，半监督学习，加强学习。
{supervised learning;unsupercised learning;semi-supervised learning；reinforcement learning}。
3.3 根据机器对数据的不同读取方式protocol可以将算法分成批处理学习，在线学习，主动学习三种。
{batch learning;on-line learning;active learning}。
protocol数据读取方式有三种，分别是batch,online和active。batch表示机器一次性将数据全部读取，
训练后直接得出一个最好的预测函数g；online表示数据有序列地每次读取一部分（或一个），每次
都会根据读取的数据修正当前的g，迭代结束后得到一个最优的g。(可以类比之前的博客PLA的解释)。
active方式表示机器会有主动地查询数据中数据集的信息。
protocol含义如下图所示：
三种protocol读取数据的方式如下：
3.4 输入数据集X的特征形式通常可以分为三种，分别是{concrete feature；raw feature；abstract feature}，
concrete feature一般指具体可以量化的特征，比如说一个公司的净收入，收益增长率等；raw feature一般
可以是图像像素点信息，语音信息等；abstract feature一般指没有实际物理意义的特征，比如一个人的名字，
学号，ID等等。
具体例子如下：帮助理解concrete feature/raw feature/abstract feature
3.5 Lecture3 小结
参考资料：
1.B站《机器学习基石》林轩田版，https://www.bilibili.com/video/BV1Cx411i7op?p=10
《机器学习基石》笔记（三）（台大林轩田版Lecture3）【待完善】
原文：https://www.cnblogs.com/feynmania/p/12976759.html