主要观点：监督学习和无监督学习是公司广泛使用的机器学习模型，理解两者很重要，它们功能和应用不同。
关键信息：

• 监督学习：基于标记数据集训练，可准确预测结果，有分类和回归两类，优点是创建可靠准确模型等，缺点是依赖标记数据等，适用于有标记数据集预测新数据的情况，如 spam 检测等。
• 无监督学习：在无人类干预下识别数据隐藏模式等，有聚类和关联两类算法，优点是能发现隐藏模式等，缺点是训练耗时等，适用于有大量未标记数据的情况，如市场细分等。
• 两者差异：目标、监督、输入数据等方面均不同，评估指标等也有区别，应用场景各异。
• 选择考虑因素：取决于数据性质、工具时间和用例等，要评估输入数据和是否有专家支持。
  重要细节：
• 监督学习算法有决策树等，无监督学习算法有 Apriori 等。
• 监督学习可处理大量任务，无监督学习能学习复杂较大模型。
• 监督学习在医学诊断等领域应用，无监督学习在推荐引擎等领域应用。