机器学习是一门综合学科，这一学科中有很多的知识体系，所以我们在学习机器学习的时候一定要对机器学习进行分类，这样我们才能够更好进行机器学习知识的学习。而机器学习分类的方式有很多种，我们就在这篇文章中主要讲述一下学习形式的分类，希望这篇文章能够更好的帮助大家理解机器学习。

按照学习形式分类的话，机器学习的知识分为监督学习和非监督学习这两种，首先我们说一下监督学习的内容，所谓监督学习就是在机械学习过程中提供对错指示。一般实在是数据组中包含最终结果（0，1）。通过算法让机器自我减少误差。这一类学习主要应用于分类和预测。监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。这些就是监督学习的主要内容。

那么非监督学习是什么呢？其实非监督学习就是归纳性学习，利用K方式，建立中心，通过循环和递减运算来减小误差，达到分类的目的。而非监督学习的研究领域还是十分广泛的，一般来说，机器学习领域的研究工作主要围绕三个方面进行。

第一个方面就是认知模型，具体就是研究人类学习过程并进行计算机模拟。第二个方面就是面向任务的研究，具体就是研究和分析改进一组预定任务的执行性能的学习系统。第三个方面就是理论分析，具体就是从理论上探索各种可能的学习方法和独立于应用领域的算法。

当然，机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力，最多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。这也就是现在的研究人员都开始重视机器学习的原因。

实际上，机器学习的内容各自都保持着独立，而非监督学习所学习的知识显然超过原有系统知识库所能蕴涵的范围,所学结果改变了系统的知识体系, 因而这种类型的学习被人们广泛使用。而监督学习尽管所学的知识能提高系统的效率，但仍能被原有系统的知识库所蕴涵,即所学的知识的特征和目标被训练的十分出色,因而这种类型的学习方式得到了研究人员的认可。

我们在这篇文章中给大家介绍了机器学习中按照学习形式分类的相关知识，具体来说就是监督学习和非监督学习。当然机器学习还有其他的方式，我们在后面的文章中继续为大家介绍这些知识，敬请关注。