一.监督学习(Supervised Learning)
监督学习就是给定一组一组的学习样本(每组学习样本包括训练数据和标签)，机器学习模型通过这些本学习到数据和标签的对应规则，然后再运用这些规则对需要预测的数据预测它是什么样的数据(给数据贴标签)。
例如：机器学习中最常见的识别手写数字。那么我们就会提供大量的手写数字图像，并且给每张图像打上标签——标注是0，还是1，或者其它的数字n。然后通过机器学习算法，找到每个数字的特征，进而找到其中的规则。这样对于一张新的手写图像，我们就能根据之前找到规则，判断这章图像上的数字是几。
二.监督学习分类
监督学习的最终目标就是预测一些数据的对应标签。根据标签的本质，监督学习可以划分为两种形式：
分类：使用数据来预测类别。比如给定一张动物的图像，判断这张图像中包含的动物是哪类动物，如猫，狗，猪，老虎，狮子......只能需选择其中一类。当只有两种选择时(如只能判断是猫还是狗)，称为二分类或者二值分类；多于两类时称为多类分类。
回归：使用数据来预测值。例如预测股票的价格。
个人公众号
