如何區分監督學習(supervised learning)和非監督學習(unsupervised learning)
機器學習的常用方法中，我們知道一般分爲監督學習和非監督學習。（當然還有半監督）
l 監督學習：監督學習，簡單來說就是給定一定的訓練樣本（這裏一定要注意，這個樣本是既有數據，也有數據相對應的結果），利用這個樣本進行訓練得到一個模型（可以說就是一個函數），然後利用這個模型，將所有的輸入映射爲相應的輸出，之後對輸出進行簡單的判斷從而達到了分類（或者說迴歸）的問題。簡單做一個區分，分類就是離散的數據，迴歸就是連續的數據。
l 非監督學習：同樣，給了樣本，但是這個樣本是隻有數據，但是沒有其對應的結果，要求直接對數據進行分析建模。
比如我們去參觀一個畫展，我們完全對藝術一無所知，但是欣賞完多幅作品之後，我們也能 把它們分成不同的派別（比如哪些更朦朧一點，哪些更寫實一些，即使我們不知道什麼叫做朦朧派，什麼叫做寫實派，但是至少我們能把他們分爲兩個類）。無監督 學習裏典型的例子就是聚類了。聚類的目的在於把相似的東西聚在一起，而我們並不關心這一類是什麼。因此，一個聚類算法通常只需要知道如何計算相似度就可以 開始工作了[2]
對於問題，我可以這樣跟大家說。買房的時候，給了房屋面積以及其對應的價格，進行分析，這個就叫做監督學習；但是給了面積，沒有給價格，就叫做非監督學習。
監督，意味着給了一個標準作爲“監督”（或者理解爲限制）。就是說建模之後是有一個標準用來衡量你的對與錯；非監督就是沒有這個標準，對數據進行聚類之後，並沒有一個標準進行對其的衡量。
文章內容爲個人觀點，供大家參考。如有錯誤，煩請指正，謝謝各位。
特別感謝網絡上面各種大神的無私分享與共享。
參考：
[1]http://www.zhihu.com/question/23194489
[2]http://blog.csdn.net/warrior_zhang/article/details/41453327