Основное различие между supervised и unsupervised обучением в Data Mining заключается в использовании помеченных данных. 35

Supervised обучение основано на помеченных входных и выходных данных. 13 Модель обучают на наборах данных, где каждый элемент имеет специальный тег или метку. 5 Цель такого подхода — сделать точные прогнозы или классификации на основе входных данных. 25

Unsupervised обучение работает с немечеными данными, где нет заранее определённых меток или результатов. 5 Цель такого подхода — выявить скрытые закономерности или структуры, которые присущи самим данным. 5

Некоторые другие различия между supervised и unsupervised обучением:

• Цели. 3 При supervised обучении цель — предсказать результаты для новых данных. 3 При unsupervised обучении цель — получить insights из больших объёмов новых данных. 3
• Приложения. 3 Модели supervised обучения подходят для обнаружения спама, анализа настроений, прогнозирования погоды и цен и других задач. 3 Unsupervised обучение применяют для обнаружения аномалий, рекомендательных систем, персоны клиента и медицинской визуализации. 3
• Сложность. 3 Supervised обучение — простой метод машинного обучения, для него обычно используют программы, такие как R или Python. 3 Для unsupervised обучения нужны мощные инструменты для работы с большими объёмами неклассифицированных данных. 3
• Недостатки. 3 Обучение моделей supervised обучения может быть длительным, а для маркировки входных и выходных переменных требуется экспертиза. 3 Методы unsupervised обучения могут давать неточные результаты, если не обеспечить вмешательство человека для проверки выходных переменных. 3