监督学习和无监督学习的区别，各举一例

监督学习和无监督学习是机器学习中的两种主要方法，它们的主要区别在于数据的处理方式以及目标任务的明确程度。

**监督学习**：
1. **定义**：监督学习是一种有标签的学习，它的目的是从输入数据中学习到一个函数，该函数能够准确预测输出结果。训练数据包含输入特征和对应的正确答案或输出结果。
2. **例子**：假设我们正在训练一个垃圾邮件过滤器，我们会提供一些已知为垃圾邮件和非垃圾邮件的电子邮件作为训练集，模型会学习这些特征以区分两类邮件。
3. **目标**：在监督学习中，模型的目标是学会一个映射规则，以便在未知数据上进行准确的预测。

**无监督学习**：
1. **定义**：无监督学习则是在没有标签的情况下寻找数据中的结构或模式。它试图理解数据本身的内在规律，而不是直接预测输出。
2. **例子**：一个经典的无监督学习任务是聚类，如K-means算法。给定一组顾客购买记录，算法会自动将顾客分组到相似的购买行为类别中，而无需事先知道具体的类别标签。
3. **目标**：无监督学习的目标是发现数据的潜在结构、模式或异常，如异常检测、降维或发现数据集中的群组结构。