我已閱讀答案here。但是，我不能將其應用於我的示例之一，因此我可能仍然不明白。使用PCA時監督學習和無監督學習的區別
這裏是我的例子： 假設我的程序正在嘗試學習PCA（主成分分析）。 或對角化過程。 我有一個矩陣，答案是它的對角化：
A = PDP -1
如果我理解正確：
在監督學習我將所有嘗試與它的錯誤
我的問題是：
當我在試驗中進行試驗時，是否會出現每次試驗的錯誤，而不是提前發生所有錯誤？或者是別的什麼？
首先，PCA既不用於分類，也不用於聚類。它是一種數據分析工具，您可以在數據中找到主要組件。這可以用於例如，例如降維。有監督和無監督學習在這裏沒有關係。
然而，PCA往往可以應用於使用學習算法之前數據。
在監督式學習中，您有（如您所說）一組標有「錯誤」的數據。
在監督學習你沒有任何標籤，即，你不能確認任何事情。你所能做的就是以某種方式聚集數據。目標通常是實現內部更均勻的集羣。可以測量成功，例如。，使用範圍內的集羣內方差度量。
但是聚類如何提供幫助？也許這兩個集羣集都不是PCA結果......我沒有看到集羣分析中的重點。 – user135172
@ user135172在談論聚類分析時忘掉PCA，它是蘋果和桔子。 **集羣示例：**假設您正在製作音樂推薦系統，並且您想推薦具有類似品味的用戶喜歡的音樂。然後，您可以將所有用戶關於他們的音樂偏好集中在一起（例如，使用DBSCAN）。然後，當單個用戶被推薦爲音樂時，您會呈現與選定用戶相同的羣集中的其他人的所有音樂。這是無監督的學習。 – Snps
我明白了，它是否像間接系統？我的意思是，在這個音樂推薦器的例子中，監督式學習將是怎樣的，它是一個直接檢查音樂類型而不是間接檢查同一羣人的系統嗎？這是監督學習和非監督學習之間的區別嗎？ – user135172
監督學習：
- >你給不同標記例如數據作爲輸入與正確答案一起。
- >該算法將學習它，並根據輸入開始預測正確的結果。
例如：email spam filter
無監督學習：
- >你給僅僅是數據而沒有告訴像標籤或正確答案什麼。
- >算法自動分析數據中的模式。
例如：google news
的[？是什麼監督學習和無監督學習之間的差別（可能的複製http://stackoverflow.com/questions/1832076/what-is-the-difference在監督學習和無監督學習之間） –