開始學習ML，真是難為自己的低智商了~

一翻書就遇到一個概念問題：何為監督學習？與無監督學習的區別？

因為自己剛剛開始學ML，所以可能解釋的會有些不當。（集齊了各種網上答案）

首先看什麼是學習（learning）？一個成語就可概括：舉一反三。此處以高考為例，高考的題目在上考場前我們未必做過，但在高中三年我們做過很多很多題目，懂解題方法，因此考場上面對陌生問題也可以算出答案。機器學習的思路也類似：我們能不能利用一些訓練資料（已經做過的題），使機器能夠利用它們（解題方法）分析未知資料（高考的題目）？ 所謂的學習，其本質就是找到特徵和標籤間的關係（mapping）。這樣當有特徵而無標籤的未知資料輸入時，我們就可以通過已有的關係得到未知資料標籤。 然後，我們來看看監督學習，我們的目標是學習從輸入到輸出的對映關係，其中輸出的正確值已經由指導者提供。這裡應該突出輸出（和無監督學習的區別之處），我們給定的資料除了輸入，我們同時也提供了一組對應的輸出值。我們學習輸入和輸出之間的某種關係，然後我們根據這種關係來對其他的輸入進行判斷，得到一組輸出。舉個簡單的例子：在二維座標軸內，我給你許多個點（xi，yi），讓你根據所給的點擬合出一個函式，最後，我問你x=a時候，對應的y值應該為多少？在這裡x是輸入，而y是輸出。 無監督學習，我們只有輸入資料，我們的目標是發現輸入資料中的規律。輸入空間存在著某種結構，使得特定的模式比其他模式更常出現，而我們希望知道哪些經常發生，哪些不經常發生。例如聚類：還是上面的例子，我給你（xi，yi),然後你根據這些點的相聚緊密程度，給它們分類。此時我的輸入是x和y。並沒有給輸出。 總的來說， 如果所有訓練資料都有標籤，則為有監督學習（supervised learning）。如果資料沒有標籤，顯然就是無監督學習（unsupervised learning）了。 監督學習包括：分類，迴歸 無監督學習：聚類


參考知乎：
連結：http://www.zhihu.com/question/23194489/answer/25028661