有監督學習

有監督學習是從標籤化訓練數據集中推斷出函式的機器學習任務。

定義

訓練數據由一組訓練實例組成。在監督學習中，每一個例子都是一對由一個輸入對象（通常是一個向量）和一個期望的輸出值（也被稱為監督信號）。有監督學習算法分析訓練數據，並產生一個推斷的功能，它可以用於映射新的例子。一個最佳的方案將允許該算法正確地在標籤不可見的情況下確定類標籤。

用已知某種或某些特性的樣本作為訓練集，以建立一個數學模型(如模式識別中的判別模型，人工神經網路法中的權重模型等)，再用已建立的模型來預測未知樣本，此種方法稱為有監督學習。是最常見的機器學習方法 。

算法

最為廣泛使用的算法：

•支持向量機（Support Vector Machines）

•線性回歸（linear regression）

•邏輯回歸（logistic regression）

•樸素貝葉斯（naive Bayes）

•線性判別分析（linear discriminant analysis）

•決策樹（decision trees）

•K-近鄰（k-nearest neighbor algorithm）

•Multilayer perceptron