監督學習（supervised learning）

通過已有的訓練樣本（即已知資料以及其對應的輸出）來訓練，從而得到一個最優模型，再利用這個模型將所有新的資料樣本對映為相應的輸出結果，對輸出結果進行簡單的判斷從而實現分類的目的，那麼這個最優模型也就具有了對未知資料進行分類的能力。在社會中，我們在很小的時候就被大人教授這是鳥啊，那是豬啊，這個是西瓜、南瓜，這個可以吃、那個不能吃啊之類的，我們眼裡見到的這些景物食物就是機器學習中的輸入，大人們告訴我們的結果就是輸出，久而久之，當我們見的多了，大人們說的多了，我們腦中就會形成一個抽象的模型，下次在沒有大人提醒的時候看見別墅或者洋樓，我們也能辨別出來這是房子，不能吃，房子本身也不能飛等資訊。上學的時候，老師教認字、數學公式啊、英語單詞等等，我們在下次碰到的時候，也能區分開並識別它們。這就是監督學習，它在我們生活中無處不在。

無監督學習（unsupervised learning）

我們事先沒有任何訓練資料樣本，需要直接對資料進行建模。比如我們去參觀一個畫展，我們對藝術一無所知，但是欣賞完很多幅作品之後，我們面對一幅新的作品之後，至少可以知道這幅作品是什麼派別的吧，比如更抽象一些還是更寫實一點，雖然不能很清楚的瞭解這幅畫的含義，但是至少我們可以把它分為哪一類。再比如我們在電影院看電影，對於之前沒有學過相關電影藝術知識的我們，可能不知道什麼是一部好電影，什麼是一部不好的電影，可是在觀看了很多部電影之後，我們腦中對電影就有了一個潛在的認識，當我們再次坐在電影院認真觀看新上映的電影時，腦中就會對這部電影產生一個評價：怎麼這電影這麼不好啊，整個故事線是混亂的，一點也不清晰，比我之前看過的那些電影差遠了，人物的性格也沒有表現出來，關鍵是電影主題還搞偏了；哎呀，這個電影拍得確實好啊，故事情節和人物性格都很鮮明，而且場景很逼真，主角的實力表演加上他與生俱來的憂鬱眼神一下把人物演活了。

再給大家舉一個無監督學習的例子。遠古時期，我們的祖先打獵吃肉，他們本身之前是沒有經驗而言的，當有人用很粗的石頭去割動物的皮的時候，發現很難把皮隔開，但是又有人用很薄的石頭去割，發現比別人更加容易的隔開動物的毛皮，於是，第二天、第三天、……，他們就知道了需要尋找比較薄的石頭片來割。這些就是無監督學習的思想，外界沒有經驗和訓練資料樣本提供給它們，完全靠自己摸索。

無監督學習裡典型的例子就是聚類了。聚類的目的在於把相似的東西聚在一起，而我們並不關心這一類是什麼。因此，一個聚類演算法通常只需要知道如何計算相似度就可以開始工作了。