无监督学习和监督学习的用途

来自于机器学习实战，让我们开启算法之旅吧

用于执行分类、回归、聚类和密度估计的机器学习算法

监督学习的用途：

K—近邻算法 线性回归 朴素贝叶斯算法 局部加权线性回归  支持向量机 RIdge回归 决策树 Lasso最小回归系数估计

无监督学习的用途：

K-均值 最大期望算法 DBSCAN Parzen窗设计 

监督学习是这类算法必须知道预测什么，即目标变量的分类信息

与监督学习对应的就是无监督学习，此时数据没有类别信息，也不会给定目标值。

无监督学习还可以减少数据特征的维度，以便我们可使用二维或者三维图像更加直观地展示数据信息。