监督学习（Supervised Learning）与无监督学习（Unsupervised Learning）的区别

监督学习（Supervised Learning）

监督学习：已有标记好的数据集，从标记好的数据集学习特征去推断未标记的数据。

特点：需要先对一部分数据打标签；有明确的训练目的；可以用达到想要结果的程度来评判训练效果。

常用方法：回归分析、统计分类

无监督学习（Unsupervised Learning）

无监督学习：从没有标记或分类的数据中去寻找潜在的规律，实现聚类。利用聚类的结果，可以发现一些未知的规律，挖掘潜在的信息。

特点：没有明确的目的；不需要给数据打标签；没有明确的指标去衡量学习效果。

常用方法：基于概率密度函数估计的直接方法、基于样本间相似性度量的简洁聚类方法

选用标准

简单的方法就是从定义入手，有训练样本则考虑采用监督学习方法；无训练样本，则一定不能用监督学习方法。但是，现实问题中，即使没有训练样本，我们也能够凭借自己的双眼，从待分类的数据中，人工标注一些样本，并把它们作为训练样本，这样的话，可以把条件改善，用监督学习方法来做。对于不同的场景，正负样本的分布如果会存在偏移（可能大的偏移，可能比较小），这样的话，监督学习的效果可能就不如用非监督学习了。(引自博主：柒月）