大家好，欢迎来到IT知识分享网。
监督学习（Supervised Learning）是一种机器学习任务，其中算法通过从标记的训练数据中学习模式和关系，以进行预测或分类。在监督学习中，算法的目标是通过输入特征与其相应的标签之间的关联性，构建一个能够准确预测新数据标签的模型。
在监督学习中，训练数据包含输入特征和相应的标签或输出。算法通过学习输入特征和标签之间的关系，构建一个预测模型。然后，该模型可以用于对新的未标记数据进行预测或分类。
监督学习的典型任务包括分类和回归问题：
- 分类问题：给定一组输入特征，目标是将其分为预定义的类别。例如，根据邮件的特征（主题、正文等），将其分类为“垃圾邮件”或“非垃圾邮件”。
- 回归问题：给定一组输入特征，目标是预测连续值的输出。例如，根据房屋的特征（面积、卧室数量等），预测其价格。
在监督学习中，关键是有标记的训练数据，这些数据包含输入特征和对应的标签或输出。通过使用这些标记的数据来训练模型，监督学习算法可以学习输入特征和输出之间的关系，并能够用于预测新的未标记数据的输出
简单概括：监督学习的数据的是规定好的，什么样的苹果是坏的，什么样的是好的，什么样的是还行。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/32339.html
