监督学习和无监督学习的区别

从前有一个叫小明的小男孩，他很喜欢吃苹果，为了让他认识苹果，他的妈妈找来一个大苹果、一个小苹果和一个青苹果。妈妈拿起大苹果告诉小明说这是苹果，接着拿起小苹果，告诉小明说这也是苹果，拿起青苹果说不管大小、颜色如何变化，圆圆的、有把的就是苹果。现在小明知道什么是苹果了。

在人类和动物感知中，这通常被称为“概念学习”。在人工智能领域，这个过程被称为“监督学习”。

几年后，小明不仅认识了苹果，还认识了西红柿、红色的小皮球，小明觉得这三样东西有非常相似的地方。草莓、红色的领带、红色的餐盘，也有同样的相似之处。妈妈告诉她，这种相似之处是“红色”。

在人类行为中，我们将这个过程称为“归纳推理”，在人工智能的领域，我们称它为“无监督学习”。

我们再从另外一些例子来理解：

有监督：

假设你想要预测房价，现在有一个收集到的数据集。横轴是不同房屋的平方英尺数，纵轴是不同房子的价格。

有了这些数据，假设你的朋友有一栋750平方英尺的房子，他想知道卖掉这栋房子可以卖多少钱。监督学习是指，我们给算法一个数据集，其中包含了“正确答案”，也就是说我们给它一个房价数据集，在这个数据集中的每个样本，我们都给出正确的价格，算法的目的就是给出更多的正确答案，例如为你朋友想要卖掉的这所房子给出估价。用更专业的术语来定义，它也被称为回归问题。

假设你想预测乳腺癌是恶性的还是良性的。假设在我们收集到的数据集中，横轴是肿瘤的尺寸，纵轴是1或0，代表“是”或“否”。恶性的对应1，良性的对应0。我们对良性的肿瘤标记为“蓝色”，对恶性的肿瘤标记为“红色”。假设我们有一个朋友的乳腺癌肿瘤的大小，我们就可以估计出良性和恶性的概率分别是多少。用更专业的术语讲，这个属于分类问题。

无监督：

在有监督的数据集中，每个样本都被标记为良性或恶性肿瘤。对于有监督学习中的每一个样本，我们已经清楚的告知了什么是所谓的正确答案，即它们是良性还是恶性。

在无监督的学习中，我们使用的数据和之前的不同，没有任何标签(都具有相同的标签或者都没有标签)。我们得到一个数据集，我们不知道要拿它来做什么，也不知道每个数据点究竟是什么。我们只被告知这里有一个数据集，你能在其中找到某种结构吗？对于给定的数据集，无监督学习算法可能判定该数据集包含两个不同的簇，无监督学习算法可以把这些数据分为两个不同的簇。这就是聚类算法。

聚类算法的一个应用的例子就是谷歌新闻。谷歌新闻所做的就是每天去网络上收集十几万条新闻，然后将它们组成一个个新闻专题。