1.是什么

基于数据寻找规律从而建立关系，进行升级，如果是以前的固定算式那就是符号学习了

2.基本框架

3.监督学习和无监督式学习：

1. 监督学习：根据正确结果进行数据的训练；
   在监督式学习中，训练数据包括输入和对应的输出标签。模型的目标是学习如何映射输入到输出。
   在训练期间，模型通过与标签进行比较来调整自身的参数，以最小化预测与真实标签之间的误差。
   一旦模型经过训练，它可以用于预测未见过的输入数据的输出标签。
   例如，给定一组包含猫和狗图像的数据集，并且每张图像都有相应的标签（是猫还是狗），监督式学习算法可以学习如何从图像中提取特征，并预测新图像中是否有猫或狗。（比如性格预测等等）

2. 无监督式学习：
   在无监督式学习中，训练数据没有与之相关联的输出标签。模型的目标是从数据中发现隐藏的结构或模式。
   模型试图在数据中找到某种形式的组织或聚类，而无需事先知道该数据的标签。
   由于缺乏标签，无监督式学习通常用于探索性数据分析或数据预处理阶段。
   例如，使用聚类算法对一组顾客的购买历史进行分组，以发现具有相似购买模式的顾客群体，而无需事先知道每个顾客的标签或类别。

3. 强化学习：
   根据执行效果给定一种奖励惩罚的模式：比如RAG，AlphaGO

4. **新思路：**混合学习