다양한 손 글씨 숫자 데이터셋(훈련 데이터)를 정답과 함께 학습시키면 기계학습은 각 숫자 이미지의 세부 특징을 파악하여 훈련하고, 새로운 손 글씨 이미지(테스트 데이터)가 입력되면 학습된 모델에 대입하여 숫자를 분류할 수 있다.

과거의 판매 데이터를 실제 수요와 함께 학습시키면, 기계학습 모델 또는 회귀분석은 가격, 광고비, 계절, 요일, 경쟁사 가격 등 다양한 변수들과 수요량 사이의 관계를 파악하게 된다. 이후 새로운 조건(예: 특정 시점의 가격과 마케팅 전략 등)이 주어지면 학습된 모델에 이를 대입하여 미래의 수요를 예측할 수 있다.

다수의 질문을 통해 인간의 성격을 16가지로 군집을 지어 놓은 것이다.

각 군집마다 네이밍을 하고(ex. 정의로운 심판자) 그 특징을 설명하고 있다.

비지도학습은 지도학습과는 달리, 정답(라벨)이 없는 데이터만 가지고 학습하는 방식입니다. 모델에게는 입력 데이터만 주어지고, 정답은 알려주지 않아요. 모델은 이 데이터를 스스로 분석해서, 데이터 안에 숨어 있는 패턴이나 구조, 군집 등을 찾아내는 것이 목표입니다. 지도학습에는 이메일 스팸 분류기,이미지에 고양이/개 라벨 붙이기, 집 가격 예측 , 음성 인식이 있다면 비지도학습에는 고객세분화, 문서들을 주제별로 자동 분류하기 (ex: 뉴스 기사 클러스터링), 이미지 압축 (PCA, 차원 축소 기법), 이상치 탐지 (ex: 금융 거래 중 이상 행동 탐지)가 있다.

전통적인 프로그래밍의 예시로는 계산기, 회계 시스템 등이 있고, 기계학습의 예시는 얼굴 인식, 번역기 등이 있다.

반면에 비지도학습은 레이블(정답)이 없는 데이터를 사용하여 모델을 학습시키는 방법이다. 컴퓨터가 알아서 데이터를 분류하고 압축하여 학습한다. 일일히 정답을 입력하지 않아도 되는 기법이다 지도학습에 비해 레이블링이 간편하고 빠르다. 또한 학습되지 않은 데이터의 새로운 구조, 패턴 등을 유추해낼 수 있다.