机器学习基本上定义了两种学习类型，包括有监督的学习和无监督的学习。正如监督学习中所建议的名称那样，提供或提供了一种监督，根据该监督可以识别学习是否在正确的轨道上。在无监督学习的情况下，则没有这样的监督，并且所学的一切都是基于一个人的智力和一般的本能。以表格形式很难涵盖区分这两种学习的主题，但是我们将尝试-
| 序号 | 键 | 监督学习 | 无监督学习 |
|---|---|---|---|
| 1 | 基本实施 | 在监督学习中，同时提供输入和输出变量，在此基础上可以预测输出，并且正确性更高。 | 另一方面，在无监督学习中，仅提供输入变量，而没有输出变量，因此，结果或结果学习取决于一个智力观察。 |
| 2 | 演算法 | 在监督学习的情况下，使用标记的输入数据来训练或使用算法，这意味着数据本身具有一些有关自身的信息，将有助于学习。 | 而在无监督的情况下，学习算法将针对未标记的数据使用，因此用户必须根据其理解来标记数据。 |
| 3 | 复杂 | 输入参数的可用性以及对其进行标记，使得与无监督学习相比，有监督学习的复杂性降低了。 | 另一方面，由于只有未标记的输入参数可用，并且用户必须自己对它们进行标记，因此与无监督倾斜相比，无监督倾斜更加复杂。 |
| 4 | 准确性和正确性 | 由于监督学习被视为高度准确和值得信赖的方法，因此与无监督学习相比，其准确性和正确性更高。 | 另一方面，无监督学习是相对不那么准确和值得信赖的方法。 |
| 5 | 环境要求 | 由于提供了标记的输入参数，因此可以离线进行监督学习方法。 | 另一方面，无监督学习方法是实时发生的。 |