机器学习-----有监督学习和无监督学习

通俗的理解有监督学习和无监督学习

有监督学习：对具有概念标记（分类）的训练样本进行学习，以尽可能对样本集外的数据进行标记（分类）预测，相当于有明确的分类目标。有监督学习可分为回归和分类。

• 通俗的来说：有监督学习就是训练样本的标记信息是已知的，我们完成一个分类任务时，我们是知道要分为哪些类的，只是对数据进行提取属性再直接分类就好。

无监督学习：对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识，所有的标记（分类）都是未知的。无监督学习的典型就是聚类。

• 通俗的来说：无监督学习就是训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质和规律。再通俗来讲就是，当我们想要完成一个分类任务时，我们完全不知道应该分为几类，具体的类别也是未知的。