按照任务类型可分为：
- 回归模型：例如预测明天的股价。
- 分类模型：将样本分为两类或者多类。
- 结构化学习模型：输出的不是向量而是其他结构。
按照学习理论可分为：
- 监督学习：学习的样本全部具有标签，训练网络得到一个最优模型。
- 无监督学习：训练的样本全部无标签，例如聚类样本。
- 半监督学习：训练样本部分有标签。
- 强化学习：智能体与环境进行交互获得奖励来进行训练的一种模式，环境不会判断是否正确，而是会不断的反馈信号来评价智能体的行为。
- 迁移学习：运用已经训练好的模型对新的样本进行学习，主要是解决问题中样本过少的问题。
人工智能更多面试问题关注公众号：我们都是码农 (allmanong)，或者扫描下方二维码！
来源：oschina
链接：https://my.oschina.net/u/4329790/blog/3220621