有监督学习、无监督学习、参数估计、非参数估计

有监督学习和无监督学习

         两者应用在模式识别的领域，目的是对给定的样本进行划分。

        有监督学习将样本分为训练集和测试集，训练集中的数据带有标签，标志着这些样本来自哪些类别，训练集中的数据没有标签。有监督学习的目的就是学习训练集中不同类别数据的特征，得到一个能把不同类别数据划分开来的模式，然后在测试集中应用这个模式来预测未知类别的样本。

        无监督学习中，样本都没有类别标签。它的划分方式是根据样本与样本之间的相似度来决定的。

        二者的区别：有监督学习的目的是为了识别样本，他的衡量标准是给待识别样本赋予的标签的准确与否；而无监督学习的目的只是为了发现数据集的某种聚集规律。

参数估计和非参数估计

参数估计是假设某个研究的问题服从某个分布，这个分布中有一些确定的参数，然后用样本的统计量来估计总体的参数。

而非参数估计是知道一个问题是有参数的，但是参数可能是无限个，只能得到密度可能连续、期望值存在之类的一般性假设。

那么，两种学习方式的算法和参数估计、非参数估计的连续是什么呢？