根据以下内容分类，有许多不同类型的有用的机器学习系统:

• 它们是否在人类的监督下进行的训练(监督、无监督、半监督、强化学习)

• 它们是否都动态的增量学习（批量学习[batch learning]和在线学习[online learning]）

• 它们是否只是通过简单地比较新的数据点和已知的数据点，或者在训练数据中进行模式识别，以建立一个预测模型，就像科学家所做的那样（基于实例学习vs基于模型学习）（基于实例学习[instance-based learning]和基于模型学习[model-based learning]）

这些标准并非是排他性的;你可以任意组合它们。例如，一个最先进的垃圾邮件过滤器可以使用一个深度神经网络模型，并使用垃圾邮件和正常的邮件来训练；这使得它成为一个在线的（online）、基于模型的（model-based）、有监督（supervised）的学习系统。

让我们更仔细地看看这每一个标准。