在监督训练中,模型提供有标记的数据,这意味着训练数据集中的每个输入都有相应的目标输出 (标签)。模型通过将其预测与正确的标签进行比较并根据误差 (损失) 调整其权重来学习。监督学习通常用于分类、回归和对象检测等任务。
另一方面,无监督训练涉及使用没有标记输出的数据。模型的目标是找到数据中隐藏的模式或结构,例如将相似的数据点聚集在一起或减少输入空间的维度。无监督学习的常见应用包括聚类、异常检测和生成模型。
主要区别在于标记数据的可用性: 监督学习需要标记数据进行训练,而无监督学习使用未标记数据自动发现模式。