參考通透！！監督學習和無監督學習全總結！
參考機器學習中的可視化

1 監督學習和無監督學習

監督學習和無監督學習，它們之間的主要區別在于訓練數據的標簽信息是否提供。

1.1 概述

一、監督學習(Supervised Learning)：
(1)標簽信息： 監督學習使用帶有標簽的訓練數據。這意味著每個訓練樣本都有一個相關聯的標簽，即對應的輸出或目標值。
(2)任務類型： 監督學習用于解決分類和回歸等任務。在分類任務中，模型預測輸入數據屬于哪個類別；而在回歸任務中，模型預測一個連續值。
(3)學習過程： 模型通過學習輸入與相應標簽之間的關系來進行訓練。算法通過最小化預測值與實際標簽之間的差距來優化模型。
(4)例子： 支持向量機(SVM)、決策樹、神經網絡等都是監督學習的例子。

二、無監督學習(Unsupervised Learning)
(1)標簽信息： 無監督學習使用沒有標簽的訓練數據。訓練樣本不包含對應的輸出或目標值。
(2)任務類型： 無監督學習用于聚類、降維和關聯規則挖掘等任務。
在聚類任務中，算法試圖將數據