斯坦福大学公开课 ：机器学习课程：http://open.163.com/special/opencourse/machinelearning.html
四个部分：
一 、监督学习。给算法提供了一组标准答案，然后训练。利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。
通过已有的训练样本（即已知数据以及其对应的输出）来训练，从而得到一个最优模型，再利用这个模型将所有新的数据样本映射为相应的输出结果，对输出结果进行简单的判断从而实现分类的目的，那么这个最优模型也就具有了对未知数据进行分类的能力。
二、学习理论。各种学习算法。
三、无监督学习。我们事先没有任何训练数据样本，需要直接对数据进行建模。远古时期，我们的祖先打猎吃肉，他们本身之前是没有经验而言的，当有人用很粗的石头去割动物的皮的时候，发现很难把皮隔开，但是又有人用很薄的石头去割，发现比别人更加容易的隔开动物的毛皮，于是，第二天、第三天、……，他们就知道了需要寻找比较薄的石头片来割。这些就是无监督学习的思想，外界没有经验和训练数据样本提供给它们，完全靠自己摸索。
四、强化学习。又称再励学习、评价学习，是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用
