参考通透！！监督学习和无监督学习全总结！
参考机器学习中的可视化

1 监督学习和无监督学习

监督学习和无监督学习，它们之间的主要区别在于训练数据的标签信息是否提供。

1.1 概述

一、监督学习(Supervised Learning)：
(1)标签信息： 监督学习使用带有标签的训练数据。这意味着每个训练样本都有一个相关联的标签，即对应的输出或目标值。
(2)任务类型： 监督学习用于解决分类和回归等任务。在分类任务中，模型预测输入数据属于哪个类别；而在回归任务中，模型预测一个连续值。
(3)学习过程： 模型通过学习输入与相应标签之间的关系来进行训练。算法通过最小化预测值与实际标签之间的差距来优化模型。
(4)例子： 支持向量机(SVM)、决策树、神经网络等都是监督学习的例子。

二、无监督学习(Unsupervised Learning)
(1)标签信息： 无监督学习使用没有标签的训练数据。训练样本不包含对应的输出或目标值。
(2)任务类型： 无监督学习用于聚类、降维和关联规则挖掘等任务。
在聚类任务中，算法试图将数据