机器学习分类可以分为几类，比如监督学习、无监督学习、半监督学习、强化学习等。 监督学习是机器学习最常用的分类，它主要使用给定的训练数据，将原始数据转化为给定模型，使用模型可以更好的应用到无标签的数据中，从而实现更好的预测效果。常见的监督学习包括：分类问题（Logistic Regression、SVM）、回归问题（线性回归、多项式回归）等等。 无监督学习旨在将没有标签的数据进行分类，最终形成类别，常见的无监督学习分类算法有聚类（K-Means）、降维（PCA）等等。 半监督学习主要使用有标签的训练数据和没有标签的训练数据结合起来，常见的半监督学习算法有支持向量机（SVM）、最大熵模型（MaxEnt）等算法。 强化学习就是通过收集经验来学习最优的操作策略，旨在达到一个最优的执行计划，典型的强化学习算法有：Q学习、SARSA、模仿学习等等。 总的来说，机器学习分类主要分四大类，每一类都有自己的特点和应用。在这些分类中，很多算法可以被用于多种应用中，因此使用最合适的算法可以更好的解决实际问题。 拓展知识：机器学习还可以细分为分类和回归，分类指将输入数据划分成若干输出分类，而回归则是预测输入数据对应的输出数值。