机器学习可以分为多个类别，其中最常见的是监督学习和无监督学习。两者之间的主要区别在于是否提供有标签的训练数据，这些标签指示了学习算法所需预测的输出。
机器学习中的监督学习和无监督学习有什么不一样？是干什么用的？
监督学习使用有标签的训练数据来训练模型，目标是学习如何预测给定输入的相关输出。在监督学习中，数据集包括输入和相关的输出标签，模型通过训练来学习输入和输出之间的关系。监督学习适用于分类和回归问题，例如图像分类和房价预测等问题。
无监督学习不需要有标签的训练数据，而是使用无标签的数据来发现数据中的结构和模式。在无监督学习中，数据集包括输入但没有相关的输出标签，模型需要自己发现数据之间的关系。无监督学习适用于聚类、降维和异常检测等问题。
需要注意的是，半监督学习是介于监督学习和无监督学习之间的一种方法。它使用一小部分有标签的数据和大量无标签的数据进行训练，以发现数据中的结构和模式，并预测无标签数据的标签。半监督学习可以提高模型的性能，特别是在标记数据集有限的情况下。
总之，监督学习和无监督学习是机器学习的两种主要方法，应根据问题的性质和可用数据的类型选择适当的方法。
免费分享一些我整理的人工智能学习资料给大家，整理了很久，非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、计算机视觉、机器学习、图像识别、NLP、OpenCV、YOLO、pytorch、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。
下面是部分截图，点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取（一定要发暗号 321）
目录
一、人工智能免费视频课程和项目
二、人工智能必读书籍
三、人工智能论文合集
四、机器学习+计算机视觉基础算法教程
五、深度学习机器学习速查表（共26张）
学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。