Hot Database

监督学习使用标记数据来训练模型。但从理论上来说这意味着什么？让我们看几个例子。

在监督学习中，模型既接收输入，也接收适当的输出。假设我们训练一个模型来识别和分类不同类型的水果。我们提供几张水果图像作为输入，以及它们的形状、大小、颜色和味道特征。接下来，我们给产品赋予每种水果的名称作为输出。
的特征（输入）和其名称（输出）之间的模式。一旦发生这种情况，我们可以给模型新的输入，它就会预测输出。这种类型的监督学习称为分类，是最常见的。

无监督机器学习的工作原理
另一方面，在无监督学习中，我们教模型甚至从未标记的数据中识别模式。因此模型只接收输入但不接收输出。

让我们再看一下水果的例子：在无监督学习中，模型接收输入数据集（水果的图像及其属性），但不接收输出（水果的名称）。

该模型使用合适的算法进行自我训练，并根据最相似的特征将水果分为不 同的组。这种无监督学习称为 聚类，是最常见的。

监督学习和无监督学习：我们何时应该使用哪一种？
是否使用监督学习还是无监督学习取决于您的目标以及数据的大小和结构。在做出决定之前，你的数据科学家应该回答以下问题：