Lihat sumber Perbedaan Pembelajaran Terawasi dan Tidak Terawasi

Dalam dunia [[Pembelajaran Mesin]], terdapat dua pendekatan utama yaitu pembelajaran terawasi (supervised learning) dan pembelajaran tidak terawasi (unsupervised learning). Keduanya memiliki karakteristik serta aplikasi yang berbeda sesuai dengan tujuan dan ketersediaan data.

== Ciri Khas Pembelajaran Terawasi ==
Pada pembelajaran terawasi, data pelatihan memiliki label yang jelas sehingga model dapat mempelajari hubungan antara input dan output. Contoh aplikasinya adalah [[klasifikasi dokumen]] dan [[regresi harga]].

== Ciri Khas Pembelajaran Tidak Terawasi ==
Sebaliknya, [[pembelajaran tidak terawasi]] digunakan ketika data tidak memiliki label. Model berusaha menemukan struktur tersembunyi dalam data, misalnya dengan [[clustering]] atau [[reduksi dimensi]].

== Pemilihan Pendekatan ==
Pemilihan antara pembelajaran terawasi dan tidak terawasi bergantung pada tujuan analisis dan ketersediaan data berlabel. Jika data berlabel tersedia, pembelajaran terawasi seringkali lebih diutamakan karena dapat memberikan hasil prediksi yang lebih akurat.