參考網址：https://www.jianshu.com/p/9b2826ef8a28
1、有監督學習：通過已有的訓練樣本去訓練得到一個最優模型，再利用這個模型將所有的輸入映射為相應的輸出，對輸出進行簡單的判斷從而實現預測和分類的目的，也就具有了對未知數據進行預測和分類的能力。就如有標准答案的練習題，然后再去考試，相比沒有答案的練習題然后去考試准確率更高。又如我們小的時候不知道牛和鳥是否屬於一類，但當我們隨着長大各種知識不斷輸入，我們腦中的模型越來越准確，判斷動物也越來越准確。
有監督學習可分為回歸和分類。
回歸：即給出一堆自變量X和因變量Y，擬合出一個函數，這些自變量X就是特征向量，因變量Y就是標簽。 而且標簽的值連續的，例LR。
分類：其數據集，由特征向量X和它們的標簽Y組成，當你利用數據訓練出模型后，給你一個只知道特征向量不知道標簽的數據，讓你求它的標簽是哪一個？其輸出結果是離散的。例如logistics、SVM、KNN等。
2、無監督學習：我們事先沒有任何訓練樣本，而需要直接對數據進行建模。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。無監督學習主要算法是聚類，聚類目的在於把相似的東西聚在一起，主要通過計算樣本間和群體間距離得到，主要算法包括Kmeans、層次聚類、EM算法。
作者：數據分析之路
鏈接：https://www.jianshu.com/p/9b2826ef8a28
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。