1、教師あり学習
ラベルは、マシンは、ラベルとラベルを決定することとの間の関係によって特徴付けられ、さらにタグなしで、特徴的です。将来の顔に、機械とラベルの特性との間のリンクを見つけるために自分自身を訓練することによって学習監修だけでなく、タグには独自のデータラベルを決定することができます。与えられたデータ、タグ予測に対応します。
回帰分析と統計の分類：一般的なのは、学習アルゴリズム監修しました。
2、教師なし学習
トレーニングデータのみなしラベルを備えていないので、あなたはデータのクラスタリング解析を所有する必要があるので、あなたはメソッドをクラスタリングすることによって特殊な構造からデータを抽出することができます。マークされていないデータ入力、前記だけラベルのない決意のない結果。
：教師なし学習方法は2つのカテゴリに分類されている
（1）推定された確率密度関数に基づいて、直接法のクラス：特徴空間における各カテゴリの分布パラメータを見つけることができ、その後、分類します。
（2）他のサンプル間の類似性尺度に基づいて、単純なクラスタリングと呼ばれる：原理はに集めたサンプルとコアサンプル間の類似性の尺度に基づいて、初期コアまたはコアの種類を修正しようとすることであり、そしてさまざまなカテゴリ。
3、違い
2の基本的な違いは、ラベル付き訓練データは、両方の機能がラベルを持っているデータを教師あり学習かどうかであるだけでなく、データの特徴やラベルなしの学習を指導。