监督学习与非监督学习

监督学习（superviced learning）：给一堆“正确的”（实际的）数据集来训练系统，并且要知道输入与输出之间是有关联的，对于输入与输出之间有人工的添加上不同的标签

常见问题：

回归问题（regression problem）：预测的值应为连续型

分类问题（classification problem）：预测的值应为离散型

无监督学习（unsuperviced learning）：对于给定的数据，没有人为添加的标签或者属性，所有数据都是一样的，没有区别

常用算法：

聚类算法（clustering algorithm）：将数据分为不同的聚类（cluster）

非聚类算法（鸡尾酒聚会算法 Cocktail Party Algorithm）：从混乱的环境中确定个体

个人认为监督学习适用于数据集中的数据互相之间是有关联的，具有相关性，而非监督学习直接是不具有关联的，不具有相关性