有监督学习及无监督学习的区别

有监督的过程为先通过已知的样本来训练得到一个最优的模型，再将这个模型应用在新的数据上，映射为输出结果，使得模型具有预知能力。
无监督没有训练过程，直接拿数据进行建模分析。
有监督的核心是分类，无监督的核心是聚类。有监督的工作是选择分类器和确定权值，无监督的工作是密度估计，即只要知道如何计算相似度就行了。
有监督不具备降维的能力，无监督主要用于提取特征，减少数据特征的维度。可以理解为以某种平均-保留的方式压缩数据（PCA、SVD），然后送入神经网络等监督学习算法。
有监督在输出结果的同时也被贴上标签表明是好是坏，无监督的结果只是一群一群的聚类，比如一个外行要处理一堆药材，他只能把看上去像的聚为一堆，如果要进一步在一堆里边进行分类就需要老中医了。因此无监督属于先聚类后定性。
有监督和无监督算法的选择：独立分布数据更适合有监督，非独立数据更适合无监督。
自编码、聚类、PCA、随机森林、GAN等都属于无监督学习。