一、监督学习(supervised learning)
通过已有的训练样本(即已知数据以及其对应的输出)来训练,从而得到一个最优模型,再利用这个模型将所有新的数据样本映射为相应的输出结果,对输出结果进行简单的判
断从而实现分类的目的,那么这个最优模型也就具有了对未知数据进行分类的能力。监督学习中只要输入样本集,机器就可以从中推演出制定目标变量的可能结果。如协同过滤推荐
算法,通过对训练集进行监督学习,并对测试集进行预测,从而达到预测的目的。
*典例:
决策树、神经网络以及疾病监测
二、无监督学习(unsupervised learning)
事先没有任何训练数据样本,需要直接对数据进行建模。外界没有经验和训练数据样本提供给它们,完全靠自己摸索。
如果有些情况比如无法提供训练数据样本或者提供训练数据样本的成本太高的话,或许就应该采取无监督学习的策略了。
*典例:
聚类和西洋双陆棋
via:http://www.cnblogs.com/zzblee/p/4579068.html