監督學習：你知道要分成哪幾類（有標籤的訓練資料）通過訓練樣本 得到最優模型 有新資料來臨時 根據最優模型得到資料所屬型別

監督學習分為兩大類：

迴歸：定量輸出，輸入變數與輸出變數均為連續變數的預測問題是迴歸問題。（eg1.數學上的線性迴歸 找到函式 讓某些資料儘量符合這個函式的特徵，比如(1,1) (2,2) (3,3) ... (n,n)這些資料迴歸後的結果就是函式 y = x。   eg2.明天溫度多少度）

演算法：線性迴歸、邏輯迴歸、最小二乘法、多項式迴歸、向量機迴歸...

分類：定性輸出，輸出變數為有限個離散變數的預測問題是分類問題。（分類就是想辦法讓一堆資料站隊，找出最符合其自身特徵的群體。比如有群體y=x和y=-x，資料集(1,1) (-2,2) (3,-3) (-4,-4)... (n,n)，(1,1),(-4,-4)就符合群體y=x，(-2,2) (3,-3)就符合群體y=-x。  eg2.預測明天是晴、陰、雨）

演算法：決策樹、貝葉斯、人工神經網路、K—近鄰（knn）、支援向量機（svm）、給予關聯規則的分類、整合學習

無監督學習：你不知道要分成哪幾類（無標籤的訓練資料）

完全是一個摸索的過程  通過聚類等方法完成分類過程

演算法：k-means  LDA模型