机器学习中的监督学习和非监督学习是两种不同的学习范式。

机器学习中的监督学习和非监督学习有什么区别？

监督学习是一种有监督的学习方法。在这种方法中，我们提供了带有标签（即正确答案）的训练数据集。算法在学习过程中会根据输入数据和相应的标签之间的关系来构建模型，最终用于预测未标记数据的标签。监督学习的例子包括分类和回归问题。在分类问题中，我们要根据给定的输入数据将其分为不同的类别；在回归问题中，我们要根据给定的输入数据预测其连续值。

非监督学习是一种无监督的学习方法。在这种方法中，我们提供没有标签的训练数据集。算法在学习过程中会自动发现数据之间的关系，并根据这些关系对数据进行聚类或降维等操作。非监督学习的例子包括聚类、降维和异常检测等问题。

总的来说，监督学习需要有人为提供标签信息，而非监督学习不需要任何标签信息，它会从数据本身中学习。监督学习和非监督学习各有其优点和应用场景，选择哪种学习方法要根据具体问题来决定。

免费分享一些我整理的人工智能学习资料给大家，整理了很久，非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、计算机视觉、机器学习、图像识别、NLP、OpenCV、YOLO、pytorch、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。

下面是部分截图，点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取（一定要发暗号 321）

目录

一、人工智能免费视频课程和项目

二、人工智能必读书籍

三、人工智能论文合集

四、机器学习+计算机视觉基础算法教程

 五、深度学习机器学习速查表（共26张）

学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。

点击下方名片，扫码关注公众号【AI技术星球】发送暗号 321 免费领取文中资料。