写在前面
粗鄙地谈谈一些关于监督学习和非监督学习的认知，内容上若有偏颇，还望各位大佬的斧正！谢谢大家
监督学习
监督学习是指：对已知类别的数据调整分类函数的参数，达到所设定目标的过程。在监督学习中每一组数据都是由输入和输出组成，监督学习的设计算法，其内核是为了分析训练数据构造一个映射，能够将输入和输出联系起来。
例举几种代表性的算法：
支持向量机（SVM）
人工神经网络（ANN）
卷积神经网络（CNN）
K近邻（KNN）
大家也可将监督学习视作：唯心主义的学习
“唯心论”在监督学习中，我是这样解释的：通过监督学习我能够得到“我所需要的映射”，这个映射关系是可以跟随我的“意志”改变而改变，这组数据的“属性”是跟随我的“意志”更改的。
例如：在对视频提取关键帧的过程中，“我”视频中的 “投篮” 动作为关键帧，那么我需要对视频图像通过监督学习得到 “投篮” 动作得到的“结果”随我的 “意志” 的更改而更改，假设我现在不需将“投篮”动作视为 “目标” 的话，而是 “传球” 动作视作 “目标” ，那么我得到的结果将是该视频中所有的 “传球” 动作。这个结果是跟随着我的 “意志” 改变而改变。
非监督学习
非监督学习是指：对未知类别信息情况下，通过对所研究对象的大量样本的数据分析实现对样本分类的一种数据处理方法。非监督学习是没有专一的映射关系，其内核算法是可以广泛应用到各种实际应用之中（与监督学习不同，监督学习是专为该类型数据而设计的）。银币是双面的，非监督学习同样如此，它既然拥有很强的泛化性，那么它必然在数据处理上面有其结果“不可预料”
非监督学习最具有代表性的算法为：聚类
**** 大家可将非监督学习视作：唯物主义学习
** “唯物论”** 在非监督学习中，由于它没有人为的设定类别属性，得到的结果是根据数据自身的属性得到的，没有人为的干预，其结果往往具有自己独特的亮点，但也不完全符合“自己的心意”。唯物的结果更为客观！
例如：在对视频提取关键帧的过程中，我使用聚类的方法，我设定将数据分类两类，其结果可能不是我预想的 “投篮” （假设我自己想要的是投篮），可能是传球动作、盖帽动作、暴扣动作、打手动作等。我得到的结果并不会随着我的“意志”的改变而改变结果
