用于遥感数据处理的机器学习方法大致可以分为“无监督”和“有监督”两种。“无监督”的机器学习一般应用于对遥感图像的“聚类分析”，它可以让具有相似性的遥感图像像素自动地归并为同一类。这种方法的效果类似于“物以类聚，人以群分”，分类的结果使得不同类的数据之间相似度最小，而同一类的数据内部相似度最大。由于在遥感图像上，同类地物在相同的表面结构、光照条件、地质环境、植被覆盖情况下，具有相同或相近的光谱特征，因此通过“无监督”机器学习方法就能够将它们进行归并，从而提高识别和分析的效率。

“有监督”的机器学习方法则需要人“教会”计算机程序来对遥感图像进行分类。科学家先对图像中每种目标类别选取一定的“训练区”，让计算机计算这些“训练区”的统计量，然后将“训练区”之外的所有图像像元的统计量和训练区样本进行比较，将它们分配到最相似的样本类别上，就可以实现对全部图像像元的分类。