根據機器學習所需完成任務的性質，機器學習算法可分類為監督學習和強化學習。

一、監督學習

監督學習的具體案例包括：垃圾郵件識別、人臉識別等。

垃圾郵件識別需使計算機“學會”識別某個郵件是否為垃圾郵件。為實現計算機識別垃圾郵件，開發人員需搜集較多的垃圾郵件和非垃圾郵件，并“告訴”計算機各個郵件分屬于垃圾郵件或非垃圾郵件。

人臉識別需使計算機“學會”通過人臉識別不同人，為實現計算機人臉識別，開發人員需搜集較多的人臉圖片，并“告訴”計算機各個人臉圖片分別代表哪個人。

上述的郵件和人臉圖片可被稱為訓練數據，“告訴”計算機郵件和人臉圖片的歸類被稱為打標簽（Labeling for training data）。

為數據打標簽需要較大的人力成本，例如：現代人臉識別系統需要數千萬張帶有標簽的人臉圖片，一般為數千萬張人臉圖片打標簽需要數萬小時的時間。因此，隨著機器學習的發展，為數據打標簽成為了一個獨特的產業。

綜上，監督學習（Supervised Learning）可定義為：同時向計算機輸入訓練數據和對應標簽的機器學習。

二、強化學習

強化學習的具體案例包括：計算機下棋、自動駕駛等。

在計算機下棋、自動駕駛中，計算機不是通過輸入訓練數據和對應標簽進行學習，而是通過計算機與環境互動學習。具體而言，計算機產生行為，同時獲得這個行為的結果。所使用的機器學習算法需定義每個行為的收益函數（Reward function），以使計算機獲得每個行為的結果（收益值），即計算機因行為獲得獎勵（收益值為正）或因行為受到懲罰（收益值為負）。

例如：在計算機下棋的算法中，計算機勝利獲得獎勵，計算機失敗受到懲罰；在自動駕駛的算法中，順利到達目的地，計算機獲得獎勵，中途出事故，計算機受到懲罰。

同時，強化學習的算法需設計相應的算法，使得計算機可以自動改變行為模式以將收益函數最大化。

綜上，強化學習（Reinforcement Learning）可被定義為計算機通過與環境的互動逐漸強化其行為模式。

三、監督學習和強化學習可結合使用

監督學習和強化學習的應用不是完全分割的，在一個機器學習算法中可以同時使用機器學習和強化學習。例如：圍棋機器學習算法AlphaGo（根據百度百科：該圍棋算法與圍棋世界冠軍、職業九段棋手李世石進行圍棋比賽，以4:1的總比分獲勝；該算法在中國棋類網站與中日韓數十位圍棋高手進行比賽，連續60局無敗績；該圍棋算法與排名世界第一的世界圍棋冠軍柯潔對戰，以3:0的總比分獲勝。圍棋界公認該算法的棋力已超過人類職業圍棋頂尖水平）

不是單獨使用強化學習建立機器學習算法，而是首先通過網絡中圍棋高手的對局進行監督學習獲得了一個較好的初始圍棋程序，再對該初始圍棋程序進行強化學習。

編輯：黃飛