一文看懂监督学习和无监督学习

监督学习和无监督学习是机器学习的两大核心类型，区别主要在于是否有“标准答案”（标签），用生活化的例子就能轻松理解：

一、监督学习：有“老师”给答案（带标签数据）

就像学生做“有标准答案的练习题”，训练数据中每个样本都附带“正确结果”（标签），模型的目标是从这些“问题-答案”对中学习规律，再用学到的规律预测新数据的结果。

•	例子：

◦	用历史的“房屋面积、地段、房龄”和对应的“房价”（标签）训练模型，之后输入新房屋的信息，模型就能预测房价。

◦	用“邮件内容”和“是否为垃圾邮件”（标签：是/否）训练模型，新邮件进来时自动判断是否为垃圾邮件。

•	核心特点：数据有标签（标准答案），目标是“预测”或“分类”。

二、无监督学习：没有“老师”，自己找规律（无标签数据）

就像学生整理“无答案的杂乱资料”，训练数据只有“问题”没有“答案”，模型需要自己从数据中发现隐藏的结构或规律（比如分组、聚类）。

•	例子：

◦	给一堆用户的购物记录（没有标签），模型自动把消费习惯相似的用户分成几组（如“高频低价组”“低频高价组”）。

◦	给一堆新闻文本（没有标签），模型自动找出主题相近的新闻聚成一类（如“体育类”“科技类”）。

•	核心特点：数据无标签，目标是“发现数据内在规律”（如聚类、降维）。

一句话总结：

•	监督学习：有标签，学“预测”（像做有答案的题，目标是学会解题套路）。

•	无监督学习：无标签，学“发现”（像整理杂乱的资料，目标是找出内在规律）。