最近一直在学习机器学习，但是直到今天突然发现自己的认识出现了宏观的偏差。我一度去区分机器学习、深度学习、强化学习，而随着学习的深入，才发现这是一个完整的体系框架。

        什么是机器学习呢？字面的理解就是让机器去学习。而什么又是深度学习、强化学习呢？他们也是让机器去学习啊！

        此刻，我才意识到，机器学习是一个大的体系结构。根据算法的数学模型不同，我们可以分类为线性与广义线性模型（线性回归、逻辑回归）、树模型（决策树、随机森林）等等，这其中也包括神经网络也就是深度学习。也就是说深度学习是区别于传统机器学习算法的一种核武器，但本质也是机器学习。

        根据算法的目标不同我们又可以分类：

                1、监督学习：通过带标签的数据学习规律来预测未知数据的标签；

                2、无监督学习：学习无标签数据，挖掘数据背后的隐藏规律，尝试把他们区分开；

                3、强化学习：还是无标签数据，虽然没有正确答案，但加入奖励机制，让模型学习将奖励最大化，也就是做出正确决策。

        简单来讲，三种学习范式分别解决的是预测、整理、决策三种不同的任务。