1. 定義
   1. 給定任務T與性能度量P，建立模型M，從資料D中學習
   2. 如果在任務T上的性能能度量P隨資料D增多而改善，則可稱機器在學習
2. 任務T
   1. 監督式學習
   2. 無監督式學習
   3. 深度學習
   4. 遷移學習
   5. 增強學習
   6. 半監督學習
3. 性能度量P
   1. 回歸
      1. 均方誤差
      2. 均方根誤差
      3. 平均絕對誤差
      4. 平均相對誤差
   2. 分類
      1. 錯誤率
      2. 查準和查全
      3. F值
      4. ROC、AUC
      5. 資訊增益比率
      6. 基尼指數
      7. 熵、交叉熵
   3. 聚類
      1. Jaccard係數
      2. Fowlkes Mallows指數
      3. Rand指數
      4. Davies-Bouldin指數
      5. Dunn指數
   4. 模型選擇
      1. (交叉)驗證誤差
4. 模型M
   1. 增強
      1. 動態規劃演算法
      2. 表格解決方案
      3. 函數逼近方式
      4. TD演算法
      5. Sarsa演算法
      6. Q-學習演算法
      7. 演說家演算法
      8. 策略梯度演算法
   2. 整合學習
      1. 隨機森林
      2. 梯度提升
      3. 極度梯度提升
      4. 堆積法
   3. 降維
      1. 主成分分析
      2. 獨立成分分析
      3. 局部敏感雜湊
   4. 聚類
      1. K-均值
      2. 期望值最大化
      3. 混合高斯模型
      4. 隱含狄利克雷分布
      5. 隱馬可爾夫模型
   5. 神經網路
      1. 感知機
      2. 卷積神經網路
      3. 遞推神經網路
      4. 長期記憶神經網路
      5. 自編碼解碼器
      6. (受限)波爾茲曼機
      7. 生成對抗網路
      8. 膠囊神經網路
   6. 回歸/分類
      1. 線性/多項式回歸
      2. 嶺/套鎖回歸
      3. 邏輯/多分類回歸
      4. 決策樹
      5. 樸素貝葉斯
      6. 支援向量機
5. 資料D
   1. 有監督式
      1. (x,y)對所有y
   2. 無監督式
      1. (x,y)沒有y
   3. 半監督式
      1. (x,y)對一些y
   4. 增強
      1. (x,y)對隱性y