監督學習是指：利用一組已知類別的樣本調整
分類器的
引數，使其達到所要求效能的過程，也稱為
監督訓練或有教師學習。
無監督學習：現實生活中常常會有這樣的問題：缺乏足夠的
先驗知識
，因此難以人工標註類別或進行人工類別標註的成本太高。很自然地，我們希望計算機能代我們完成這些工作，或至少提供一些幫助。根據類別未知(沒有被標記)的訓練樣本解決模式識別中的各種問題，稱之為無監督學習。
監督學習說白了，就是分析所有資料，用正確、已知的資料擬合出乙個函式或對映，然後用這個擬合的函式/對映達到**其他資料等機能。比如「
假設你想**房價，
之前，某學生已經從某地收集了資料集，
根據給定資料，假設你朋友有棟房子，750平尺（70平公尺）
想知道這房子能賣多少，好賣掉。
那麼，監督學習演算法怎麼幫你呢？
監督學習演算法可以：
繪出一條直線，讓直線盡可能匹配到所有資料。
基於此，看上去，那個房子應該、可能、也許、大概
賣到15萬美元。但這不是唯一的學習演算法。
可能還有更好的。比如不用直線了，
可能平方函式會更好，
即二次多項式更符合資料集。如果你這樣做，
**結果就應該是20萬刀。
」 無監督學習 中使用的資料是沒有標記過的，即不知道輸入資料對應的輸出結果是什麼。無監督學習只能默默的讀取資料，自己尋找資料的模型和規律。
在無監督學習中 我們只有乙個資料集
沒人告訴我們該怎麼做
我們也不知道
每個資料點究竟是什麼意思
相反 它只告訴我們 現在有乙個資料集
你能在其中找到某種結構嗎？
機器學習筆記 監督學習，無監督學習，半監督學習
這個問題可以回答得很簡單 是否有監督 supervised 就看輸入資料是否有標籤 label 輸入資料有標籤，則為有監督學習，沒標籤則為無監督學習。什麼是學習 learning 學習 乙個成語就可概括 舉一反三。此處以高考為例，高考的題目在上考場前我們未必做過，但在高中三年我們做過很多很多題目，懂...
有監督學習和無監督學習 無監督學習
一.無監督學習包含的演算法 聚類 kmeans聚類演算法 降維 pca 之所以叫無監督學習 是因為模型是從無標籤的資料開始學習，沒有目標值。二.kmeans聚類 1.聚類演算法步驟 定義 將高維資料轉化為低維資料的過程，在此過程中可能會捨棄原有資料，創造新的變數 作用 降低原始資料的維數 複雜度 損...
監督學習和無監督學習 監督學習與非監督學習
監督學習 supervised learning 的任務是學習乙個模型，使模型能夠對任意給定的輸入，對其相應的輸出做出乙個好的 即 利用訓練資料集學習乙個模型，再用模型對測試樣本集進行 例如kaggle上的鐵達尼號比賽。官方提供旅客資料 資料集1 姓名，年齡，性別，社會經濟階層，是否生存等 要求參賽...