机器学习根据训练模型以及训练数据的不同方式，将机器学习方法分为如下：
- 有监督：使用有标签的数据进行训练;
- 无监督：使用无标签的数据进行训练;
- 半监督：同时用有标签和无标签的数据进行训练。通常是两阶段的训练，先用（较小规模的）有标签数据训练一个Teacher模型，再用这个模型对（较大规模的）无标签数据预测伪标签，作为Student模型的训练数据；目前已经有很多直接end-to-end地训练，能够大大减少半监督训练的工作;
- 自监督：在无标注数据上训练，通过一些方法让模型学习到数据的inner representation，再接下游任务，例如加一个MLP作为分类器等。但接了下游任务之后还是需要在特定的有标签数据上finetune，只是有时候可以选择把前面的层完全固定，只finetune后面接的网络的参数;
- 弱监督：用包含噪声的有标签数据训练。