我已经阅读了答案here。但是，我无法将其应用于我的示例之一，因此我可能仍然不了解它。
这是我的示例：
假设我的程序正在尝试学习PCA（主要成分分析）。
或对角化过程。
我有一个矩阵，答案是对角线化：
A = PDP-1
如果我正确理解：
在有监督的学习中，我将尝试所有错误
我的问题是：
在无人监督的学习中我会得到什么？
在进行试验时，每次试验都会出现错误，而不是所有错误都提前吗？或者是别的什么？
最佳答案
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，可在其中找到数据的主要成分。这可以用于例如降维。有监督和无监督的学习在这里没有意义。
但是，PCA通常可以在使用学习算法之前应用于数据。
在监督学习中，您拥有（如您所说的）带有“错误”的标记数据集。
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一的集群。可以例如使用集群内方差度量来测量成功。
关于machine-learning - 使用PCA时有监督和无监督学习的区别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42142158/