В чем разница между обучением с учителем и обучением без учителя

Обучение с учителем (supervised learning) использует размеченные данные, где каждому примеру соответствует правильный ответ (метка). Модель учится предсказывать метки на новых данных. Примеры задач: классификация, регрессия.

from sklearn.linear_model import LogisticRegression
X = [[1], [2], [3]]  # признаки
y = [0, 1, 0]        # метки
model = LogisticRegression().fit(X, y)

Обучение без учителя (unsupervised learning) работает с данными без меток, выявляя скрытые структуры. Примеры задач: кластеризация, снижение размерности.

from sklearn.cluster import KMeans
X = [[1], [2], [10], [12]]
model = KMeans(n_clusters=2).fit(X)

Ключевое отличие: наличие/отсутствие меток в обучающих данных. Supervised требует разметки, но дает точные предсказания. Unsupervised находит паттерны, но интерпретация сложнее.