按学习策略分类，机器学习可以分为： 　　1.机械式学习（记忆学习），即向机器直接输入新知识 　　这种学习方法不需要进行任何推理或知识转换，将知识直接装进机器中。也就是将专家知识总结成规则，用计算机语言加以描述、实现。有多少写多少，系统本身没有学习过程，对知识不做任何修改，只有使用。 　　2.根据示教学习（传授学习、指点学习） 　　从老师或其它有结构的事物获取知识。要求系统在原有知识结构的基础上将输入的（新）知识转换成它本身的内部表示形式。并把新的信息和它原有的知识有机地结合为一体。系统初始知识结构可以是以机械式学习方式得到，也可以是通过其它学习方式得到。 　　3.通过类推学习（演绎学习） 　　系统找出现有知识中所要产生的新概念或技能十分类似的部分。将它们转换或扩大成适合新情况的形式，从而取得新的事实或技能。该种学习方法是大量知识的总结、推广。 　　4.从例子中学习（归纳学习） 　　给学习者提供某一概念的一组正例和反例，学习者归纳出一个总的概念描述，使它适合于所有的正例且排除所有的反例。基于实例的学习方法是目前研究较多的方法之一。本课程将对该类方法作比较深入的讨论。 　　5.类比学习 　　类比学习是演绎学习与归纳学习的组合。类比学习过程中匹配不同论域的描述、确定公共的结构。以此作为类比映射的基础。寻找公共子结构是归纳推理，而实现类比映射是演绎推理。