Makine öğrenmesi, gözetimli ve gözetimsiz olmak üzere iki ana kategoriye ayrılır: 1. Gözetimli Öğrenme (Supervised Learning): Amaç: Doğru yanıtları içeren veriler kullanılarak tahminler yapılır. Özellikler: Veri kümesi etiketlenmiştir; her örneğin bir sınıfı ve etiketi vardır. Kullanım Alanları: Spam algılama, duygu analizi, hava durumu tahmini, fiyatlandırma. Algoritmalar: Karar ağaçları, doğrusal regresyon, destek vektör makineleri, lojistik regresyon. 2. Gözetimsiz Öğrenme (Unsupervised Learning): Amaç: Etiketlenmemiş verilerdeki gizli kalıplar ve yapılar bulunur. Özellikler: Veri kümesi etiketlenmemiştir; makine, veriler arasındaki ilişkileri ve yapıları kendi kendine öğrenir. Kullanım Alanları: Müşteri segmentasyonu, öneri motorları, tıbbi görüntüleme. Teknikler: Kümeleme, ilişkilendirme, boyut indirgeme.