半监督学习：一部分有类别标签，一部分没有类别标签
主动学习：依赖于人工打标签
聚类的假设：将有标记的样本和无标记的样本混合在一起，通过特征间的相似性，将样本分成若干个组或若干个簇；使得组内的相似性较大，组间的相异性较大，将样本点都进行分组，；此时分组点的样本点即包含了有类别标签的也包含了没有类别标签的，根据有类别标签的样本，按照少数服从多数的原则对没有加标记的样本添加标记。至此，所有未标记的数据都可以加以分配标记。
半监督学习转化为监督学习。
强化学习：解决连续决策问题。
为其可以是一个强化学习问题，需要学习在各种局势下如何走出最好的招法
迁移学习：小数据集：两个相关领域（解决数据适应性问题）
个性化
深度+强化+迁移
