Принципиальное отличие контролируемого и неконтролируемого машинного обучения в том, что в первом случае используются размеченные данные для помощи в прогнозировании, а во втором — нет. 1

Контролируемое обучение (с учителем) основано на использовании наборов размеченных данных, где каждая точка связана с известной меткой или результатом. 12 Модель учится делать точные прогнозы или классификации на основе невидимых данных. 2

Неконтролируемое обучение (без учителя) имеет дело с немаркированными данными, в которых не предусмотрены ранее существовавшие метки или результаты. 2 При таком подходе целью является выявление скрытых закономерностей или структур, присущих самим данным. 2

Некоторые другие ключевые различия между контролируемым и неконтролируемым обучением:

• Цели. 1 Цель контролируемого обучения — прогнозировать результаты по новым данным, заранее известно, какого рода результат ожидать. 1 Цель неконтролируемого обучения — получить полезную информацию из огромного объёма новых данных, машина сама определяет, какая информация из набора необычна или представляет интерес. 1
• Области применения. 1 Модели контролируемого обучения подходят для обнаружения спама, анализа тональности высказываний, прогнозирования погоды, изменения цен и т. д.. 1 Модели неконтролируемого обучения созданы для выявления отклонений, повышения эффективности рекомендательных сервисов, прогнозирования поведения клиентов и медицинской визуализации. 1
• Сложность. 1 Контролируемое обучение — простой метод машинного обучения, неконтролируемое обучение требует мощных инструментов для работы с большим количеством неклассифицированных данных и отличается высокой вычислительной сложностью. 1