El aprendizaje supervisado y no supervisado son los paradigmas del aprendizaje automático que se utilizan para resolver las clases de tareas aprendiendo de la experiencia y la medida del rendimiento. El aprendizaje supervisado y no supervisado difiere principalmente por el hecho de que el aprendizaje supervisado implica el mapeo desde la entrada hasta la salida. Por el contrario, el aprendizaje no supervisado no tiene como objetivo producir resultados en la respuesta de la entrada en particular, sino que descubre patrones en los datos.

La técnica de aprendizaje supervisado se ocupa de los datos etiquetados donde los patrones de datos de salida son conocidos por el sistema. Por el contrario, el aprendizaje no supervisado funciona con datos no etiquetados.

Cuando se trata de la complejidad, el método de aprendizaje supervisado es menos complejo, mientras que el método de aprendizaje no supervisado es más complicado.

El resultado de la técnica de aprendizaje supervisado es más preciso y confiable. Por el contrario, el aprendizaje no supervisado genera resultados moderados pero confiables.

La clasificación y la regresión son los tipos de problemas resueltos bajo el método de aprendizaje supervisado. Por el contrario, el aprendizaje no supervisado incluye la agrupación y los problemas de reglas asociativas.

El aprendizaje supervisado es la técnica para lograr una tarea proporcionando capacitación, patrones de entrada y salida a los sistemas, mientras que el aprendizaje no supervisado es una técnica de autoaprendizaje en la que el sistema tiene que descubrir las características de entrada por sí mismo y sin un conjunto de categorías anteriormente usadas.