机器学习中监督学习和非监督学习有什么区别？

机器学习中的监督学习和非监督学习是两种常见的学习方式，它们的主要区别在于学习的目标和使用的数据类型不同。

机器学习中监督学习和非监督学习有什么区别？

• 监督学习（supervised learning）是一种通过使用已知输出来训练模型的学习方式。在监督学习中，训练数据包括输入数据和对应的输出数据（也称为标签或目标），算法通过学习这些数据，建立输入和输出之间的映射关系，以预测新的输入数据的输出。监督学习通常用于分类（分类器）和回归（回归器）问题。

在监督学习中，算法的目标是最小化预测输出和真实输出之间的误差，也称为损失函数。常见的监督学习算法包括线性回归、逻辑回归、决策树、支持向量机、朴素贝叶斯、神经网络等。

• 非监督学习（unsupervised learning）是一种在没有标签或目标的情况下，从数据中发现模式或结构的学习方式。在非监督学习中，算法只能使用输入数据进行学习，目标是找到输入数据之间的相似性和区别，以便对数据进行聚类、降维、异常检测等操作。

在非监督学习中，没有预先定义的目标或输出变量，算法通过学习数据的内在结构和特征来寻找数据的潜在模式和结构。常见的非监督学习算法包括聚类、主成分分析（PCA）、独立成分分析（ICA）、自编码器、变分自编码器等。

总之，监督学习和非监督学习是机器学习中两种不同的学习方式。监督学习需要已知的输入和输出数据，目标是学习输入和输出之间的映射关系。非监督学习只需要输入数据，目标是从数据中发现模式和结构，而不需要预先定义的目标变量。在实际应用中，监督学习和非监督学习常常结合使用，以提高机器学习的效果和性能。

免费分享一些我整理的人工智能学习资料给大家，整理了很久，非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、计算机视觉、机器学习、图像识别、NLP、OpenCV、YOLO、pytorch、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。

下面是部分截图，点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取（一定要发暗号 321）

目录

一、人工智能免费视频课程和项目

二、人工智能必读书籍

三、人工智能论文合集

四、机器学习+计算机视觉基础算法教程

 五、深度学习机器学习速查表（共26张）

学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。

点击下方名片，扫码关注公众号【AI技术星球】发送暗号 321 免费领取文中资料。