一般的に、データを分析および処理するための2つのアプローチを検討します。教師あり学習（教師付き）と教師なし（教師なし）です。主な違いは、前者はタグ付きデータを使用して予測を支援するのに対し、後者は使用しないことです。しかし、どちらのアプローチにも、より微妙な違いと、それらが優れている重要な領域があります。
教師あり学習とは何ですか？
教師付き学習は、 ラベル付きデータのデータセットの使用に基づいて機械学習アプローチです。このようなデータセットは、データの分類または結果の正確な予測を目的としたアルゴリズムを作成するために使用されます。ラベル付けされた入力と出力を使用して、モデルは入力と出力を一致させて精度を高め、徐々にトレーニングすることができます。
?
— , :
- — , . , K- , K . , . .
- — , . « ».
- — , , ( ). , . , .
:
. , , — .
«», . , , . , , , . . , , - .
, , . . , , - . , , , .
- . — . , . — . , .
- . , , , . . , , .
- . — , R Python. . , .
- . , . , .
: ?
— . . , . . .
— . , , . , .
: . , - - , , .
: https://www.ibm.com/cloud/blog/supervised-vs-unsupervised-learning