1、区分监督学习和无监督学习：监督学习的数据就是有标签数据，无监督学习的数据就是无标签数据。/2、

2、模式识别系统=由 数据获取、预处理、特征提取、分类决策和分类器设计5部分组成。

  ①数据获取：利用计算机可以运算的符号来表示所研究的对象，对应于外界物理空间向模式空间的转换。一般，获取的信息类型有以下几种。
一维波形：心电图、脑电波、声波、震动波形等。
二维图像：文字、地图、照片等。
物理参量：体温、化验数据、温度、压力、电流、电压等。
②预处理：对由于信息获取装置或其他因素所造成的信息退化现象进行复原、去噪，加强有用信息。
③特征提取：由信息获取部分获得的原始信息，其数据量一般相当大。为了有效地实现分类识别，应对经过预处理的信息进行选择或变换，得到最能反映分类本质的特征，构成特征向量。其目的是将维数较高的模式空间转换为维数较低的特征空间。
④分类决策：在特征空间中用模式识别方法（由分类器设计确定的分类判别规则）对待识模式进行分类判别，将其归为某一类别，输出分类结果。这一过程对应于特征空间向类别空间的转换。
⑤分类器设计：为了把待识模式分配到各自的模式类中，必须设计出一套分类判别规则。基本做法是收集一定数量的样本作为训练集，在此基础上确定判别函数，改进判别函数和误差检验。
模式识别的关键是解决如何利用计算机进行模式识别，并对样本进行分类。执行模式识别的基于计算机的系统（可以是台式机、笔记本电脑或基于单片机、DSP和ARM等有计算能力的系统）称为模式识别系统。