監督學習：簡單來說就是給定一定的訓練樣本(這里一定要注意，樣本是既有數據，也有數據對應的結果)，利用這個樣本進行訓練得到一個模型(可以說是一個函數)，然后利用這個模型，將所有的輸入映射為相應的輸出，之后對輸出進行簡單的判斷從而達到了分類(或者說回歸)的問題。簡單做一個區分，分類就是離散的數據，回歸就是連續的數據。
非監督學習：同樣，給了樣本，但是這個樣本是只有數據，但是沒有其對應的結果，要求直接對數據進行分析建模。
比如我們去參觀一個畫展，我們完全對藝術一無所知，但是欣賞完多幅作品之后，我們也能把它們分成不同的派別(比如哪些更朦朧一點，哪些更寫實一些，即使我們不知道什么時候叫做朦朧派，什么叫做寫實派，但是至少我們能夠把它們分為兩類)。無監督學習里面典型的例子就是聚類，聚類的目的在於把相似的東西聚在一起，而我們並不關心這一類是什么，因此，一個聚類算法通常只需要知道如何計算相似度就可以開始工作了。
“再比如，買房的時候，給了房屋面積以及其對應的價格，進行分析，這個就叫做監督學習；但是給了面積，沒有給價格，就叫做非監督學習。監督，意味着給了一個標准作為'監督' (或者理解為限制)。就是說建模之后是有一個標准用來衡量你的對與錯；非監督就是沒有這個標准，對數據進行聚類之后，並沒有一個標准進行對其的衡量。”