机器学习方法很多，但刚入门时可以先问一个非常实用的问题：训练数据里有没有标准答案？
这个问题把常见任务分成了监督学习和无监督学习。
视频讲解：在官网观看本课视频
监督学习：拿着答案练习
监督学习使用带标签的数据训练模型。
例如垃圾短信识别的数据可能长这样：
| 短信内容 | 标签 |
|---|---|
| 您的验证码是 3812 | 正常短信 |
| 恭喜中奖，点击链接领取 | 垃圾短信 |
短信内容是输入，标签是正确答案。模型先作出预测，再把预测和答案比较，根据错误调整参数。
常见监督学习任务包括：
分类：预测类别；
回归：预测连续数值；
图像识别、文本分类和价格预测。
无监督学习：没有答案，自己找结构
无监督学习的数据没有预先给出的标签。模型要做的是发现样本之间的结构、相似性或分布规律。
例如商店拥有大量用户消费记录，却没有给用户分类。聚类算法可以根据消费习惯，把相似用户分到同一组。
常见无监督学习任务包括：
聚类；
降维；
异常检测；
数据分布探索。
两者不是谁更高级
它们解决的是不同问题。
有明确答案并且希望预测新样本时，通常考虑监督学习；没有标签，只想探索数据结构时，可以考虑无监督学习。
现实项目还会遇到半监督学习、自监督学习和强化学习。初学阶段不必一次记完，先掌握“有没有人工提供的答案”这条主线。
最容易混淆的地方
“监督”不是有人盯着电脑训练，而是数据中存在用于监督模型学习的目标值。
无监督学习也不是随便学习。它仍然有明确的算法目标，例如让同一组里的样本更相似、不同组之间差异更大。
从数据结构看两种学习方式
监督学习与无监督学习都有输入数据。真正的分界线，是训练数据里有没有目标标签。
用同一批数据运行分类与聚类
下面用六个二维点分别完成监督分类和无监督聚类：
import numpy as np from sklearn.cluster import KMeans from sklearn.linear_model import LogisticRegression x = np.array([ [1.0, 1.0], [1.0, 2.0], [2.0, 1.0], [8.0, 8.0], [8.0, 9.0], [9.0, 8.0], ]) y = np.array([0, 0, 0, 1, 1, 1]) # 监督学习：训练时同时使用特征 x 和标签 y classifier = LogisticRegression(random_state=0) classifier.fit(x, y) print("监督预测：", classifier.predict([[1.5, 1.2], [8.5, 8.2]])) # 无监督学习：训练时只提供特征 x clusterer = KMeans(n_clusters=2, random_state=0, n_init=10) print("无监督分组：", clusterer.fit_predict(x))安装并运行：
pip install numpy scikit-learn python 03_supervised_unsupervised.py
一组可能的结果是：
监督预测： [0 1] 无监督分组： [1 1 1 0 0 0]
聚类结果中的0和1只是分组编号，交换编号也不影响分组含义。监督学习的0和1则来自预先定义好的真实标签。
三个常见误区
没有测试集就是无监督学习。是否无监督取决于训练时有没有标签，不取决于是否划分测试集。
聚类编号就是类别含义。聚类只形成分组，编号本身没有“正常”或“垃圾”等业务意义。
无监督学习不需要目标。聚类仍然需要优化组内相似、组间差异等数学目标，只是没有人工标签。
这一课先记住什么
有标签、需要学习输入到答案的映射：监督学习。
没有标签、需要发现数据内部结构：无监督学习。
下一课继续拆分监督学习：分类和回归到底有什么不同。
本文首发于「去你想去的地方」： 监督学习与无监督学习是什么？关键区别在有没有答案 | 去你想去的地方
完整学习路线、视频版和后续更新请访问原文。
