如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。（当然还有半监督）
l 监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的输入映射为相应的输出，之后对输出进行简单的判断从而达到了分类（或者说回归）的问题。简单做一个区分，分类就是离散的数据，回归就是连续的数据。
l 非监督学习：同样，给了样本，但是这个样本是只有数据，但是没有其对应的结果，要求直接对数据进行分析建模。
比如我们去参观一个画展，我们完全对艺术一无所知，但是欣赏完多幅作品之后，我们也能 把它们分成不同的派别（比如哪些更朦胧一点，哪些更写实一些，即使我们不知道什么叫做朦胧派，什么叫做写实派，但是至少我们能把他们分为两个类）。无监督 学习里典型的例子就是聚类了。聚类的目的在于把相似的东西聚在一起，而我们并不关心这一类是什么。因此，一个聚类算法通常只需要知道如何计算相似度就可以 开始工作了[2]
对于问题，我可以这样跟大家说。买房的时候，给了房屋面积以及其对应的价格，进行分析，这个就叫做监督学习；但是给了面积，没有给价格，就叫做非监督学习。
监督，意味着给了一个标准作为“监督”（或者理解为限制）。就是说建模之后是有一个标准用来衡量你的对与错；非监督就是没有这个标准，对数据进行聚类之后，并没有一个标准进行对其的衡量。
文章内容为个人观点，供大家参考。如有错误，烦请指正，谢谢各位。
特别感谢网络上面各种大神的无私分享与共享。
参考：
[1]http://www.zhihu.com/question/23194489
[2]http://blog.csdn.net/warrior_zhang/article/details/41453327
<!--EndFragment-->
相关推荐
Unsupervised Learning! AI! Machine Learning! Unsupervised Learning! AI! Machine Learning! Unsupervised Learning! AI! Machine Learning! Unsupervised Learning! AI! Machine Learning! Unsupervised ...
In order to understand the nature of semi-supervised learning, it will be useful first to take a look at supervised and unsupervised learning.
半监督学习是一种机器学习方法，它介于有监督学习（supervised learning）和无监督学习（unsupervised learning）之间。在有监督学习中，算法通过标记的数据集进行训练；而在无监督学习中，算法处理的是未标记的数据...
《强化学习导论》摘录之强化学习与有监督学习、监督学习的区别； Reinforcement Learning: An Introduction；...The differences between reinforcement learning and supervised learning, unsupervised learning.
半监督学习（Semi-supervised Learning）：半监督学习结合了监督学习和无监督学习，使用少量标签数据和大量无标签数据来训练模型。 强化学习（Reinforcement Learning）：强化学习通过让模型在与环境的交互中获得...
无监督学习（Unsupervised Learning）：算法学习的是无标签的数据，用于发现数据中的模式和结构。 强化学习（Reinforcement Learning）：算法学习的是通过奖励和罚罚来改进的行为。 常见的机器学习算法： 线性回归...
自监督学习（Self-Supervised Learning, SSL）属于无监督学习（Unsupervised Learning, UL）的范畴，但它在处理数据和提取特征的方式上有着显著的区别。传统的无监督学习通常不利用任何标签信息，侧重于数据的聚类、...
半监督学习是一种机器学习方法，它结合了有监督学习（supervised learning）和无监督学习（unsupervised learning）的特点。在有监督学习中，数据集由对象-标签对组成，算法的任务是找到对象和标签之间的预测关系。...
本篇研究论文题为“Combining supervised and unsupervised learning for automatic attack signature generation system”，由中央南大学信息科学与工程学院的Lili Yang、Jie Wang和Ping Zhong撰写。论文中提出了一...
2）非监督学习（Unsupervised Learning） 非监督学习与监督学习的主要区别在于，它不需要预先标记的训练数据。这种学习方法试图从原始数据中发现内在的结构、模式或群体。非监督学习主要应用于聚类（Clustering）和...
模仿学习方法可以分为监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）两类，有些方法甚至利用反馈循环来不断改进策略。 具体到实际应用，例如在游戏环境中训练机器人或游戏AI，模仿学习可以...
value, ANOVA, and F- statistics.Implement statistical computations programmatically for supervised and unsupervised learning through K-means clustering.Master the statistical aspect of Machine ...
自监督学习与传统的监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）存在显著差异，其核心特点在于模型不再依赖外部标注的数据集，而是能够自行从数据中发现规律，并生成标签来监督自身的学习...
无监督学习（Unsupervised Learning）是机器学习的一种，它通过输入一组未知标记的样本，可以通过聚类的方法，将数据分成多个簇。无监督学习的目标是发现数据中的模式或结构。 半监督学习（Semi-Supervised ...
Implement statistical computations programmatically for supervised and unsupervised learning through K-means clustering. Master the statistical aspect of machine learning with the help of this example...
- **半监督学习（Semi-Supervised Learning）**：这是介于监督学习和无监督学习之间的一种类型，其中部分数据有标签，部分数据没有标签。目标是从有标签的数据中学习，同时利用未标记数据的结构信息来改进模型性能。...
然而，随着迁移学习（Transfer Learning）和自监督学习（Self-supervised Learning）技术的发展，即使没有无监督预训练，深度学习模型也可以通过其他方式有效地利用无标签数据。 总之，无监督预训练是深度学习研究...