我已经阅读了答案here。但是，我不能将它应用于我的一个例子，所以我可能仍然没有得到它。
这是我的例子： 假设我的程序正在尝试学习PCA（主成分分析）。 或对角化过程。 我有一个矩阵，答案是它的对角化：
A = PDP -1
如果我理解正确：
在监督学习中我将尝试使用它的错误
我的问题是：
我在试验时是否会因为每次试验而出错，而不是提前出错？还是别的什么？
答案 0 :(得分：3)
首先，PCA既不用于分类，也不用于聚类。它是一种数据分析工具，您可以在其中找到数据中的主要组件。这可以用于例如降维。有监督和无监督的学习与此无关。
但是，在使用学习算法之前，PCA通常可以应用于数据。
在有监督的学习中，你（如你所说）有一组带有＆＃34;错误＆＃34;的标记数据。
在无监督学习中，您没有任何标签，即，您根本无法验证任何内容。您所能做的就是以某种方式对数据进行聚类。目标通常是实现内部更均匀的集群。可以使用群内方差指标来衡量成功，例如。
答案 1 :(得分：1)
监督学习：
- ＆GT;您将各种标记的示例数据作为输入以及正确答案。
- ＆GT;该算法将从中学习并根据输入开始预测正确的结果。
示例： email spam filter
无监督学习
- ＆GT;您只提供了数据，并且没有说出标签或正确答案等内容。
- ＆GT;算法自动分析数据中的模式。
示例： google news