有監督學習和無監督學習的區別

1、機器學習按照方法來分類，可以分成四類，分別是：監督學習、無監督學習、半監督學習和強化學習。

2、監督學習針對有標籤數據集，它通過學習出一個模型（其實就是一個函數）來擬合數據，按照模型（函數）的輸出結果是否離散又可以分為兩類，分別是：（1）輸出結果為離散值，則為分類問題（常見的分類算法：KNN、貝葉斯分類器、決策樹、SVM、神經網絡、GBDT、隨機森林等）（2）輸出結果為連續值，則為迴歸問題（有線性迴歸和邏輯迴歸兩種）。

3、無監督學習針對沒有標籤的數據集，它將樣本按照距離劃分成類簇，使得類內相似性最大，類間相似性最小。通過觀察聚類結果，我們可以得到數據集的分佈情況，為進一步分析提供支撐。常見的聚類算法有K-means、高斯混合模型和LDA。