嚴格意義上來說，機器學習可以分爲以下幾類：有監督學習，無監督學習，半監督學習，強化學習。
1. 有監督學習
有監督學習是指在訓練過程中的數據是同時又特徵和標籤的，也就是說模型在訓練過程中是知道正確結果的，模型可以根據標籤爲指導進行參數調整，這種學習方式好像學習被監督了一樣，因此監督學習的意義爲：學習的過程有標籤作爲指導算法參數調整的過程。
2. 無監督學習
無監督學習是在訓練過程中，數據只有特徵而沒有標籤的。所以無監督學習通常不是分類而是聚類，即相似特徵的樣本聚集在一起。
3. 半監督學習
半監督學習是介於有監督學習和無監督學習之間的，通常針對於樣本標籤缺失或者樣本過少的問題。這時候我們無法利用有監督學習直接進行訓練，但是我們又想充分利用類標的信息。因此，半監督學習是一種介於有監督和無監督的一種折中方案
4. 強化學習
所謂強化學習就是智能系統從環境到行爲映射的學習，以使獎勵信號（強化信號）函數值最大，強化學習不同於連接主義學習中的監督學習，主要表現在教師信號上，強化學習中由環境提供的強化信號是對產生動作的好壞作一種評價（通常爲標量信號），而不是告訴強化學習系統 RLS（Reinforcement Learning System）如何去產生正確的動作。由於外部環境提供的信息很少，RLS 必須靠自身的經歷進行學習。通過這種方式，RLS 在行動-評價的環境中獲得知識，改進行動方案以適應環境。