描述为从您的样本数据中提取的任何统计数据，例如样本均值、分位数等。推断是从您的样本数据中得出的关于总体的结论，例如，拒绝或接受某些假设或说明模型是否合适用于描述您的数据。预测只是对未来观察的猜测，它希望使用您的数据和数据的某些函数/模型来制定该猜测。

无监督和有监督的学习方法都旨在学习预测另一个变量（通常称为 y）的数据函数，因此两者都在进行推理（即，模型非常适合描述您的数据，请参见此处的第一句话）。但是，这两种方法在可用数据方面有所不同。在监督学习中，您可以使用观察到的 y 样本来训练您的模型，而在无监督学习中，y 是未观察到的。

希望有帮助！

Peter Flach 有一个很好的小矩阵，它描述了你在他的书中寻找的东西，机器学习，理解数据的算法的艺术和科学。我将在下面重现它::

                      | 预测模型 | 描述模型
-------------------------------------------------- ----------------------------
监督学习 | 分类、回归 | 亚组发现
-------------------------------------------------- ----------------------------
无监督学习 | 预测聚类 | 描述性聚类，
                      | | 关联规则挖掘