1、有监督学习

有监督学习中有数据以及标签，学习到一个可以将数据映射到标签的函数，标签可以有很多形式。

典型的有监督学习有：分类问题中输入一张图片，输出图片的分类；目标检测中输入一张图片，输出目标物体的边框；语义分割中，给每个像素都打上标签。

2、无监督学习

无监督学习的数据是没有任何标签的。

典型的无监督学习有：

（1）聚类：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大而类别间的数据相似度较小

（2）降维：找出一些轴，在这些轴上训练数据的方差最大。这些轴就是数据内潜在的结构。我们可以用这些轴来减少数据维度，数据在每个保留下来的维度上都有很大的方差。

（3）密度估计：估计数据的内在分布情况，在上方有一些一维的点，我们用一个高斯函数来拟合这一密度分布情况。