机器学习的三种主要类型是什么

机器学习的三种主要类型是监督学习、无监督学习、强化学习。

1、监督学习。监督学习表示机器学习的数据是带标记的，这些标记可以包括数据类别、数据属性以及特征点位置等，这些标记作为预期效果，不断来修正机器的预测结果。具体过程是：首先通过大量带有标记的数据来训练机器。

机器将预测结果与期望结果进行比对，之后根据比对结果来修改模型中的参数，再一次输出预测结果，重复多次直至收敛，最终生成具有一定鲁棒性的模型来达到智能决策的能力。

2、无监督学习。无监督学习表示机器学习的数据是没有标记的，机器从无标记的数据中探索并推断出潜在的联系。常见的无监督学习有聚类、降维等。

3、强化学习。强化学习是带激励的，具体来说就是，如果机器行动正确，将给予一定的“正激励”，如果行动错误，也同样会给出一个惩罚。在这种情况下，机器将会考虑如何在一个环境中行动才能达到激励的最大化，这种学习过程便可理解为是一种强化学习。强化学习旨在训练机器并使之能够进行决策。

研究现状：

机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。2010年的图灵奖获得者为哈佛大学的Leslie vlliant教授，其获奖工作之一是建立了概率近似正确（Probably Approximate Correct，PAC）学习理论。

2011年的图灵奖获得者为加州大学洛杉矶分校的Judea Pearll教授，其主要贡献为建立了以概率统计为理论基础的人工智能方法。这些研究成果都促进了机器学习的发展和繁荣。机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征。