データマイニングの概念が新しく、教師付き学習と教師なし学習の違いを学びたいと思っています。これまで私が知っているのは、ラベルを付けられたデータセットから情報を得ることを教師が意味することであり、教師なしの手段は、ラベルを与えずにデータをクラスタリングすることを意味する。教師付き学習と教師なし学習の質問をどうやって出すのですか？
私はちょっと彼らのことを理解していますが、実生活ではそれを実際に適用することはできません（本当の質問をする概念を実際に適用することはできません）。私は機械学習Webフォーラムの1つで次の例題の質問を見つけ、誰かがそれを手伝ってくれるかどうか疑問に思っていました。質問は次のとおりです。
車種ごとに次のデータセットが与えられている場合、教師付き学習と教師なし学習に基づいて2つの質問を作成します。
ヘルプの任意の種類が理解されます。
感謝:)
教師あり学習：
したがって、上記のデータセットは、11個の属性があります。 11の属性から、列は0であればマニュアルトランスミッションで、1であれば自動トランスミッションで車を分類するものであることがわかります。 通常、教師付き学習では、応答変数でトレーニングデータが与えられます。この場合、これは教師あり学習用に与えられたデータであるとみなし、適切なアルゴリズムを使用してモデルを訓練し、次にどのテストデータに対しても対応するものが何かを予測します（手動または自動）。
教師なし学習：
はあなたがからなる一つのクラスタになりつのクラスタに来ることができるかどうかを確認し、伝送列が与えられていないと仮定して、任意の教師なし学習アルゴリズムに基づいてクラスタにグループに車を試してみてください手動変速機車と自動変速機車からなる1つのクラスター。
下記のリンクを確認することができます。これらはAndrew Ngの講義ビデオの2つです 非常に短い動画であり、理解を深めるのに役立ちます。
https://www.youtube.com/watch?v=ls7Ke48jCt8&index=3&list=PLZ9qNFMHZ-A4rycgrgOYma6zxF4BZGGPW
https://www.youtube.com/watch?v=qHfUlFHGG08&list=PLZ9qNFMHZ-A4rycgrgOYma6zxF4BZGGPW&index=4
