Batch Learning
這邊的Batch指的ㄧ批的"批"。在不告訴演算法的狀況底下，丟入一批資料要資料進行分類，
例如輸入一批的E-mail資料交給機器學習演算法進行分類。
Online Learning
像排隊一樣，循序的處理資料，按照順序進行標籤與分類的動作。如果先前垃圾郵件自動篩
選機制如果判斷錯誤，像是垃圾郵件結果被判定不是，以及不是垃圾郵件卻被判定是垃圾郵
件，我們可以將這些錯誤的結果一筆一筆逐步進行修正，這便是online learning的主要概念。
PLA演算法的概念也可以應用在online learning上。一筆一筆檢察，如果正確分類，則跳過該
結果；若分類錯誤，則逐步進行修正。
Active Learning
這些與資料溝通的方式可以對應到學生平常學習的概念
Batch Learning就像填鴨式教育 ('duck deeding')，一次丟一堆問題給你，等你寫完答案之後再
來看你寫得對不對
Online Learning 則是一個例子一個例子的被動式教學('passive sequential')，像是數學一樣，一題例題教完之後再換下一題。
這些學習方法都顯得被動，因此我們能不能夠讓機器自己提出問題來讓機器的答題能更快?
因此誕生了Active Learning，讓程式能夠主動問問題。
