监督学习与非监督学习

什么是监督学习？百度百科的定义如下：

监督学习是指利用已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称监督训练。

监督学习是从标记的训练数据来推断一个的机器学习任务。

什么是非监督学习？百度百科的定义如下：

在机器学习，无监督学习的问题是，在未加标签的数据中，试图找到隐藏的结构。因为提供给学习者的实例是未标注的，因此没有错误或报酬信号来评估潜在的解决方案。

监督式学习，由已有的数据（包括输入数据和输出数据），训练出（建立）数学模型函数。然后可以把新的输入数据灌入数学模型函数，预测未来数据（输出数据）。数学模型函数的输出可以是一个连续的值，称为回归分析；输出可以是预测一个分类的标签，称为分类。回归分析是精确值预测，分类是归类。

例如，预测未来的房价价格的走势：根据已有的数据信息（房屋面积和价格数据），建立模型来预测一个未来的新房屋的价格的走势，这是回归分析；

例如，去医院看病，检查肿瘤是良性肿瘤还是恶性肿瘤，可以根据肿瘤大小来判断分类是良性还是恶性，这是分类在医学上的应用。

无监督学习常常用于数据挖掘，在大量无标签的大量数据中发现些什么。也就是说，只给输入数据，计算机通过学习的方式自动建立输入和输出之间的映射关系。

监督学习和非监督学习大致构成了机器学习。