有监督学习和无监督学习的区别

监督学习和无监督学习是机器学习的两种技术。但是这两种技术都用于不同的场景和不同的数据集。下面给出了两种学习方法的解释以及它们的差异表。

监督机器学习：

监督学习是一种机器学习方法，其中使用标记数据训练模型。在监督学习中，模型需要找到映射函数来映射输入变量（X）和输出变量（Y）。

监督学习需要监督来训练模型，这类似于学生在老师在场的情况下学习。监督学习可用于两类问题：分类和回归。

了解更多 监督式机器学习

示例：假设我们有一张不同类型水果的图像。我们的监督学习模型的任务是识别水果并相应地对它们进行分类。因此，为了在监督学习中识别图像，我们将提供输入数据和输出数据，这意味着我们将根据每个水果的形状、大小、颜色和味道来训练模型。训练完成后，我们将通过提供新的水果集来测试模型。该模型将使用合适的算法识别水果并预测输出。

无监督机器学习：

无监督学习是另一种机器学习方法，其中从未标记的输入数据中推断出模式。无监督学习的目标是从输入数据中找到结构和模式。无监督学习不需要任何监督。相反，它自己从数据中找到模式。

了解更多 无监督机器学习

无监督学习可用于两种类型的问题：聚类和关联。

示例：为了理解无监督学习，我们将使用上面给出的示例。所以与监督学习不同，这里我们不会对模型提供任何监督。我们将只向模型提供输入数据集，并允许模型从数据中找到模式。在合适的算法的帮助下，模型会自我训练，并根据水果之间最相似的特征将水果分成不同的组。

监督学习和无监督学习之间的主要区别如下：

注意：监督学习和无监督学习都是机器学习方法，选择哪种学习方法取决于与数据集的结构和数量以及问题的用例相关的因素。