Algoritmos não supervisionados necessitam de modelos para aprendizado de padrões, enquanto que métodos supervisionados extraem os padrões dos próprios conjuntos de dados.

Ambos os métodos necessitam de conjuntos de dados modelos para aprendizado, a diferença reside na forma como os dados são computados.

Algoritmos supervisionados têm esse nome, pois é necessário o acompanhamento do processamento de um agente humano.

Algoritmos supervisionados necessitam de dados rotulados para aprender o padrão, enquanto que métodos não supervisionados extraem os padrões dos próprios conjuntos de dados.

As definições de supervisionado e não supervisionado são antigas formas de se classificar os primeiros algoritmos, nos primeiros modelos de computadores, e não são mais utilizados nos modelos modernos.