监督学习：

　　使用已知正确答案的数据，也就是标记过的数据来训练神经网络。

　　监督学习分为两类：回归（regression）分类（classification）;

　　回归：试图预测连续值，我们将输入变量和输出用一个连续函数对应起来。

　　分类：预测一个离散值，我们试图将输入变量与离散的类别对应起来。

 

非监督学习：

　　使用的数据集无标签，不知道输入数据对应的输出结果，尝试寻找数据中的模型和规律，比如聚类（把相似数据归为一组）和异常检测。

　　很有前景的一个非监督学习方法之一：生成式对抗网络。

 

半监督学习：

　　训练中使用的数据，只有一小部分是标记过的，大部分是没有标记的；和监督学习相比，成本低，但又能达到较高的准确度。