监督学习和无监督学习的区别简易回答

### 监督学习与无监督学习的主要差异

#### 数据需求
监督学习依赖于带有标签的数据集来训练模型，这些标签指导算法如何分类或预测新数据。相比之下，无监督学习处理的是未标记的数据，旨在发现隐藏模式和结构而无需预先定义的结果[^2]。

#### 学习目标
在监督学习中，主要目的是通过已知输入及其对应的输出建立映射关系；而在无监督学习里，则侧重探索未知的关系、聚类相似对象或是降维等任务。

#### 应用场景
对于监督学习而言，典型应用包括图像识别、语音转文字以及自然语言处理等领域中的分类和回归问题。相反，无监督学习适用于客户细分市场分析、异常检测及特征提取等方面的工作。

# 这是一个简单的KMeans聚类例子用于展示无监督学习的应用
from sklearn.cluster import KMeans
import numpy as np

X = np.array([[1, 2], [1, 4], [1, 0],
              [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2).fit(X)
print(kmeans.labels_)