经典的机器学习：

有监督学习：

一般用于目标量已知，但根据目标量连续还是离散划分：若目标量连续可以分为回归问题，比如房价预测；若目标量为离散值可划为分类问题如用于医疗图片识别

无监督学习：

一般用于目标量未知：比如用于客户分群的聚类问题和用于购物篮分析的并联问题

半监督学习：

一般用于目标量少量已知而大量未知：用于文本挖掘的分类问题和用于航道发现的聚类问题

强化学习：

主要是智能体以试错的方式进行学习，通过环境的反馈来增强学习效果，类似设定游戏规则让玩家尽可能获取高分。一般对于离散目标量归为分类问题如优化营销；对于目标量未知的有控制问题，如自动驾驶，实时的通过环境反馈来达成控制车辆平稳运行。

常见的机器学习算法选择：

欢迎指正。