Некоторые основные различия между методами Supervised Learning (обучение с учителем) и Unsupervised Learning (обучение без учителя) в машинном обучении:

• Тип данных. 2 Supervised Learning требует размеченных данных, где каждый пример обучающего набора содержит входные данные и соответствующую метку (правильный ответ). 4 Unsupervised Learning работает с неразмеченными данными, в которых нет меток или правильных ответов. 4
• Цель. 1 Supervised Learning стремится спрогнозировать результат для новых данных на основе шаблонов, извлечённых из обучающих данных. 1 Unsupervised Learning пытается идентифицировать структуру или закономерности в данных, не зная желаемого результата. 1
• Алгоритмы. 1 Supervised Learning включает такие алгоритмы, как линейная регрессия, деревья принятия решений, машины опорных векторов (SVM) и нейронные сети. 1 Unsupervised Learning включает кластеризацию K-средних, иерархическую кластеризацию и анализ главных компонентов (PCA). 1
• Применение. 1 Supervised Learning используется для приложений, где результат известен, а цель состоит в том, чтобы делать прогнозы, такие как задачи классификации и регрессии. 1 Unsupervised Learning используется, когда результат неизвестен и целью является поиск закономерностей, таких как проблемы кластеризации и ассоциации. 1
• Тренировочный процесс. 1 Supervised Learning модель обучается с использованием пар ввода-вывода и пытается изучить функцию сопоставления между ними. 1 Unsupervised Learning модель пытается изучить внутреннюю структуру данных без предопределённых меток или результатов. 1
• Стоимость. 3 Supervised Learning обычно дороже, чем Unsupervised Learning, так как для обучения моделей Supervised Learning требуются размеченные данные, которые необходимо собирать и аннотировать вручную. 3
• Точность. 3 Supervised Learning обычно более точно, чем Unsupervised Learning, так как алгоритмы Supervised Learning имеют обучающий набор данных, а алгоритмы Unsupervised Learning — нет. 3