以下是小灰根据个人理解说画的流程图：

以下是大黄基于小灰的流程图所做的补充：

以下是大黄对流程图结果部分作出的调整。其中假设模型可以理解成训练出来的降雪和收获的规律，通过假设模型，从新一年降雪情况推断出下一年收获情况的过程叫做回归。至于啤酒尿布的例子，属于截然不同的机器学习类型，只需要找出关联关系，并不需要进行回归。

机器学习

按照方式不同主要分为三大类，有监督学习(Supervised learning)、无监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)。

监督学习：

通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出。在瑞雪兆丰年的例子中，头年降雪量就是输入，来年亩产量就是输出。

非监督学习：

直接对输入数据集进行建模，寻找关联。例如啤酒尿布的例子，只需要寻找关联性，并不需要什么明确的目标值输出。

半监督学习：

综合利用有输入输出的数据，和只有输入的数据来进行训练。可以简单理解成监督学习和非监督学习的综合。

这里所介绍的相关知识，只是作者对于机器学习领域的浅层次理解。通过这篇漫画，希望没有从过IT行业，或者不了解机器学习的朋友们能够对机器学习有一些初步的认知。

希望有经验的朋友们对本文提出宝贵意见，指出其中的纰漏和不足，非常感谢！