1.决策树
据一些feature接受分类，所有节点提一个问题，按照判断，将数据统称两类，再一直提问。这些问题是依据什么仅是数据怎么学习出的，再耗去新数据的时候，就可以不依据什么这棵树上的问题，将数据划分到适合的叶子上。
2.随机森林
在源数据中洗技能所选数据，分成几个子集；s矩阵是源数据，有1-n条数据，abc是feature，之后一列c是类别；由s随机生成m个子矩阵。
3.马尔可夫
markovchains由state和transitions排成；
的或，据这一句话‘thequickbrownfoxjumpsmissedthelazydog'，要能够得到markovchain；
步骤，先给每一个单词设定成一个状态，后再换算状态间转换的的概率；
这是一句话换算出来的概率，当你用大量文本去做统计的时候，会得到非常大的状态转移矩阵，或者the后面可以不连接的单词，及或者的概率；
生活中，键盘输入法的备选结果又是一样的的原理，模型会更高级
智能是人类知识有一种的吗？还是是从搜索和自学完成的呢？乃至于是知识搜索去学习我得到的？智能比较多表现在可能性的大小上而不单是现实的东西性吗？
richsutton反对过传统人工最终形成知识的方法，诸如知识它表示或半自动统合的启发式函数，他以为痛苦的教训是基于条件历史的观察，即：1）人工智能研究人员老爱试图将知识最终形成到他们的智能体中；2）从短期来看，这我总是有帮助的，但是对研究人员来说是个人清楚的，可是从长期来看，它会停滞不前，甚至还会阻隔及时的进展；3)通过基于条件搜索和学习的缩放算出的只不过方法，很有可能会终于得到颠覆性的进展。
一、元知识的概念
元知识的定义
目前对元知识的定义，在学术界还没有三个严格的的概念。通常来说，元知识那就是“关于知识的知识”。
元知识可为了描述一类知识或知识集合所中有的内容、基本上结构和象特征。没有元知识,人们没能描述知识、可以使用知识和认识知识。在自动控制与人工智能等系统领域中,象把使用和操纵该系统领域知识的知识称为元知识。元知识不是什么领域知识,不能帮忙解决具体知识领域问题；只不过是关于各领域知识的性质、结构、功能、特点、规律、排成与在用的知识,是管理、控制和使用领域知识的知识。
元知识是思想和意识的核心,如果不是没有能够掌握元知识的，就肯定不能去学习和认知都差不多的知识，元知识这对人们认知系统的建立起着不重要作用。人工智能和深度学习领域研究各种各样的智能系统，自主学习机制均是以模拟人脑思维活动为目的,就没学习元知识的能力的智能系统最少不能不能算是一个智能系统。
二、知识的分类
布鲁姆在学目标分类学方面接受了开创性工作，他将怎么学习目标可分认知、情感和动作技能三大领域。在认知领域，其认知教育目标分类学将将教育目标分成三类知识、体会、应用、分析、综合、作品评价等六个类别。
布鲁姆认知目标归类孕育而出几十年来，对其作出修订工作一直是没有停过。以加涅的学习结果分类理论和安德森的才能产生式理论这些以安德森走在最前面的团队并且的布鲁姆认知分类修订版中最著名。
加涅的认知学习结果分类
加涅将肯定的学习结果可分五类：陈述性知识、智慧技能、认知策略、动作技能和态度，每一种分类又可以不分为相同的亚类。如下图所示：
