核心要点回顾是什么？

关键要点

• 机器学习可根据样本是否包含标签分为监督学习和无监督学习。
• 监督学习使用特征和标签数据，学习从特征到标签的映射。
• 无监督学习仅使用特征数据，旨在发现数据的内在结构和模式。
• 分类和回归问题属于监督学习，聚类问题属于无监督学习。
• 任务分类与样本分类是两种互补的机器学习分类视角。

怎么选 / 怎么做

判断使用监督学习还是无监督学习，主要依据数据中是否包含标签。如果数据有明确的标签，目标是预测，则适合监督学习。如果数据没有标签，目标是探索数据模式或分组，则适合无监督学习。

常见问题

什么是监督学习？

使用有标签数据训练，学习特征到标签的映射。

什么是无监督学习？

使用无标签数据训练，发现数据的内在结构。

两者主要区别是什么？

区别在于训练数据是否包含标签，以及学习目标不同。