我是数据挖掘概念的新手，并试图了解有监督学习和无监督学习之间的区别。到目前为止，我所知道的是，有监督意味着从标记的数据集中获取信息，而无监督意味着在没有给出任何标签的情况下对数据进行聚类。
我有点了解它们是什么，但不能真正将它们应用到现实生活中（不能真正应用这些概念来提出实时问题）。我在一个机器学习网络论坛上找到了以下示例问题，想知道是否有人可以帮助我解决这个问题，以便我可以用它作为示例来更好地理解这个概念。问题是：
给定以下不同汽车的数据集，根据监督和非监督学习组成 2 个问题。
感谢任何形式的帮助。
谢谢:)
【问题讨论】：
标签： database machine-learning data-mining supervised-learning unsupervised-learning
监督学习：
所以上面的数据集有 11 个属性。从这 11 个属性中我们可以看出，am 列是用于将手动挡汽车分类为 0 和自动挡汽车分类为 1 的东西。 所以通常在监督学习中，我们会得到一个带有响应变量的训练数据，所以在这种情况下，如果你认为这是一个为监督学习提供的数据，你可以使用适当的算法训练你的模型，然后对于任何测试数据预测将会是什么相应的 am（手动或自动）。
无监督学习：
假设没有给出变速器列，并尝试根据任何无监督学习算法将汽车分组，看看你是否可以提供两个集群，一个集群由手动变速器汽车组成，一个集群由自动挡汽车。
您可以查看以下链接，这是 Andrew Ng 讲座的两个视频 它们是非常短的视频，可以帮助您更好地理解。
https://www.youtube.com/watch?v=ls7Ke48jCt8&index=3&list=PLZ9qNFMHZ-A4rycgrgOYma6zxF4BZGGPW
https://www.youtube.com/watch?v=qHfUlFHGG08&list=PLZ9qNFMHZ-A4rycgrgOYma6zxF4BZGGPW&index=4
【讨论】：