Os métodos de aprendizagem estatística são divididos em: 1. Aprendizagem supervisionada: o modelo é treinado com dados rotulados, ou seja, com entradas e saídas conhecidas. O objetivo é aprender a mapear entradas para saídas, permitindo fazer previsões ou classificações em novos dados. Exemplos: regressão linear, árvores de decisão, redes neurais. 2. Aprendizagem não supervisionada: o modelo trabalha com dados não rotulados, buscando identificar padrões, agrupamentos ou estruturas ocultas nos dados. Exemplos: clustering (agrupamento), análise de componentes principais (PCA). Essa divisão é fundamental para escolher a técnica adequada conforme o problema e os dados disponíveis.