# ML02_Types of Learning
###### tags: `Machine Learning`

> 大概分成四種
> 1. 用不同output space Y
> 2. 用不同Label Yn
> 3. 用不同protocol f
> 4. 用不同input space X
>
> 

### 用不同output space Y
1. **Binary分類**： Y={-1,+1}(判斷一個人是否生病)
2. Multiclass分類： Y = {1,2,...,K} (判斷哪種病)
3. **Regression**： Y = 實數 (判斷需要幾天可以康復)
4. Structured Learning： Y=object (ex.蛋白質序列)

### 用不同Label Yn
1. **Supervised**
2. UnSupervised
* clustering : 類似Multiclass分類
* density estimation : 類似bounded regerssion
* outlier detection : 類似binary分類(ex,入侵警報)
3. Semi-Supervised
4. Reinforcement Learning

### 用不同protocol f(給Data的方法)
1. **Batch learning** : 所有data一次給
2. Online : 依次給data，因此H會隨時更新
3. Active Learning : 計畫性地去問label進而更新H

### 用不同input space X
1. **concrete Features** : 明確有關連的X
2. Raw Features : 沒有處理過的X(ex.像素,音軌)
3. Abstrct Features : 抽象資料(ex 學生ID,編號)